- 综合排序
- 最热优先
- 最新优先
- 来自专栏Python
6-4、Python 数据类型-元组
元组也是序列结构，但是是一种不可变序列，你可以简单的理解为内容不可变的列表。除了在内部元素不可修改的区别外，元组和列表的用法差不多。
33050编辑于 2023-11-09 - 来自专栏全栈开发那些事
6-4 链式表的按序号查找 (10分)
L是给定单链表，函数FindKth要返回链式表的第K个元素。如果该元素不存在，则返回ERROR。
45130编辑于 2023-02-27 - 来自专栏AI机器学习与深度学习算法
机器学习入门 6-4 实现线性回归中的梯度下降法
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍如何在线性回归中使用梯度下降法以及将梯度下降法封装在我们自己创建的线性回归类中。
59620发布于 2019-11-13 - 来自专栏CSDNToQQCode
6-4 字符串加密（Java解法，两种网上的类型题）
目录 6-4字符串加密，第一种类型题： Java题解1： 字符串加密，第二种类型题： Java题解2： ---- 6-4字符串加密，第一种类型题： 本题要求实现一个函数，能对一行字符串
47840编辑于 2023-02-10 - 来自专栏决策智能与机器学习
智能识别方面主要进展 | 语音识别、OCR识别、图像识别、生物识别…… | 智能改变生活
识别与分类技术可应用于图像识别、医疗诊断、生物识别、信号识别和预测、雷达信号识别、经济分析，以及在智能交通管理、机动车检测、停车场管理等场合的车牌识别等很广泛的领域。 语音识别：语音识别行业现在似乎维持着最大的平衡，因为国内外各家的引擎识别率都基本在同一个水平线上，差不多达到了当前语音识别技术的极限，彼此之间差距不是那么明显。 国内著名的车牌识别产品主要有中科院自动化研究所汉王公司的汉王眼、北京文通科技有限公司的文通车牌识别系统等。 ? 虹膜识别：现代信息社会对精准识别的需求，呼唤更加不可替代的生物体特征，虹膜识别应运而生。 目前主要应用有证件识别、银行卡识别、名片识别、文档识别、车牌识别等。 ? 唇语识别：相较于前文提到的语音识别、车牌识别、人脸识别等难度更大，其很大程度上取决于语言的语境和对其的了解，而这些都只通过视觉来呈现的。
6.2K30发布于 2020-08-04 - 来自专栏青年夏日
视频识别 动作识别 实时异常行为识别 等所有行为识别
大家好，我是cv君，很多大创，比赛，项目，工程，科研，学术的炼丹术士问我上述这些识别，该怎么做，怎么选择框架，今天可以和大家分析一下一些方案： 用单帧目标检测做的话，前后语义相关性很差（也有优化版）， 当然可以通过后处理判断下巴是否过框，效果是不够人工智能的），高抬腿计数，目标检测是无法计数的，判断人物的球类运动，目标检测是有很大的误检的：第一种使用球检测，误检很大，第二种使用打球手势检测，遇到人物遮挡球类，就无法识别目标 开始 目前以手势和运动识别为例子，因为cv君没什么数据哈哈 项目演示： 本人做的没转gif，所以大家可以看看其他的演示效果图，跟我的是几乎一样的~ 只是训练数据不同 一、 基本过程和思想
5.6K20发布于 2021-04-18 - 来自专栏PaddlePaddle
【场景文字识别】场景文字识别
场景文字识别是在图像背景复杂、分辨率低下、字体多样、分布随意等情况下，将图像信息转化为文字序列的过程，可认为是一种特别的翻译过程：将图像输入翻译为自然语言输出。 场景图像文字识别技术的发展也促进了一些新型应用的产生，如通过自动识别路牌中的文字帮助街景应用获取更加准确的地址信息等。 在场景文字识别任务中，我们介绍如何将基于CNN的图像特征提取和基于RNN的序列翻译技术结合，免除人工定义特征，避免字符分割，使用自动学习到的图像特征，完成端到端地无约束字符定位和识别。 本例将演示如何用 PaddlePaddle 完成 场景文字识别 (STR, Scene Text Recognition) 。 任务如下图所示，给定一张场景图片，STR 需要从中识别出对应的文字"keep"。 ? 图 1. 输入数据示例 "keep" |2.
28.5K70发布于 2018-04-02 - 来自专栏全栈程序员必看
python屏幕文字识别_python 图片文字识别 可截图识别
“”” options = {} options[“detect_direction”] = “true” options[“probability”] = “true” “”” 带参数调用通用文字识别 “”” options = {} options[“detect_direction”] = “true” options[“probability”] = “false” “”” 带参数调用通用文字识别 +’********’*2+’\n’) print(‘截屏识别填1，图片识别填2:’) pd=input(”) if pd==’2′: print(‘***************请将图片放置本目录下*
44.4K10编辑于 2022-09-01 - 来自专栏用户8715145的专栏
智能识别图像识别采用了什么原理？智能识别图像识别有哪些应用？
，那么智能识别图像识别采用了什么原理？ 智能识别图像识别有哪些应用？ 智能识别图像识别采用了什么原理？ 智能识别图像识别是通过图像的特征为基础从而达到识别结果的，每个图像都会有自己的特征，在完整的图像库里面就可以找寻出相同特征的图像。 智能识别图像识别有哪些应用？ 智能识别图像识别这项技术虽然并没有完全成熟，但是基础的技术已经能够应用到很多方面的，那么智能识别图像识别有哪些应用？ 关于智能识别图像识别的文章内容今天就介绍到这里，相信大家对于智能识别图像识别这项技术已经有所了解了，相信在未来的某一天人工智能的各种技术都会成熟的。
7.7K30发布于 2021-10-20 - 来自专栏自然语言处理
实体识别(1) -实体识别任务简介
命名实体识别概念 命名实体识别(Named Entity Recognition,简称NER) , 是指识别文本中具有特定意义的词（实体），主要包括人名、地名、机构名、专有名词等等,并把我们需要识别的词在文本序列中标注出来 例如有一段文本:李明在天津市空港经济区的税务局工作 我们要在上面文本中识别一些区域和地点,那么我们需要识别出来内容有: 李明(人名)、天津市(地点)、 空港经济区(地点)、税务局(组织) 识别上述例子我们使用了以下几个标签 命名实体识别工具 Stanford NER：斯坦福大学开发的基于条件随机场的命名实体识别系统，该系统参数是基于CoNLL、MUC-6、MUC-7和ACE命名实体语料训练出来的 https://nlp.stanford.edu 支持命名实体识别。 用于对序列数据进行分割和标记，主要用于NLP任务，例如命名实体识别、信息提取和序列标注等任务。
1.4K20编辑于 2023-08-25 - 来自专栏算法工程师的学习日志
车牌识别（2）-搭建车牌识别模型
上一期分享了模拟生成车牌的方法，今天分享一下搭建要给简单的车牌识别模型，模拟生成车牌的方法参看：车牌识别（1）-车牌数据集生成 生成的车牌如下图 准备数据集，图片放在path下面，同时把图片名称和图片的车牌号对应关系写入到 y_train是长度为7的列表，其中每个都是shape为(n, # )的ndarray，分别对应n张图片的第一个字符，第二个字符....第七个字符 因为车牌是固定长度，所以有个想法，就是既然我们知道识别七次 ，那就可以用七个模型按照顺序识别。 0.9915 - val_c5_acc: 0.9723 - val_c6_acc: 0.9212 - val_c7_acc: 0.9336 可见五轮训练后，即便是位置靠后的几位车牌，也实现了 93% 的识别准确率 ，识别成功 chars = '' for arg in np.argmax(lic_pred, axis=1): # 取每行中概率值最大的arg,将其转为字符
3.5K30编辑于 2022-07-27 - 来自专栏TechBlog
电路分析之正弦稳态电路的仿真与研究
6.3 仿真建模 1.测量R、L、C元件上电压与电流的相位关系 image.png 图6-4 测量R、L、C元件上电压与电流的相位关系的实验电路 （1）搭建基础电路结构如上图所示，学生实验只需在 （3）将图6-4中的电阻换成电容，如接入一个0.1uF电容，设置DDS频率为4kHz，幅度的峰峰值值U = 2V，用双踪示波器观测电容两端电压与流过电容的电流之间的相位差。将测量数据填入表6-1。 （4）将图6-4中的电容换成电感，如接入一个10mH电感，设置DDS频率为40kHz，幅度的峰峰值值U = 2V用双踪示波器观测电感两端电压与流过电阻的电流之间的相位差。完成表6-1。 （2）信号源输出幅度的调整方法与前面实验相同，输出频率分别调整为8kHz和15kHz，用示波器直接读取两种频率下各元件上的电压数值，将测量数据填入表6-4。 将测量数据记入表6-4 “示波器测量”一栏。 （4）根据上述电路测量的各电压有效值数据，计算总电压U和总电流I的相位差φ，填入表6-4；画出两种频率下相量关系图，并分析其电路性质。
1.9K31编辑于 2022-08-03 - 来自专栏毕业设计
分布式电商系统的设计与实现⑦-1
对于秒杀商品的增删改查等操作对于秒杀商品的增删改查均能正常执行符合预期结果修改商品界面如下图6-3所示：图 6-3 修改商品界面1.1.4 广告管理相关功能测试广告管理，可以对于广告进行增删改查等功能，以及修改广告的状态，该模块的测试用例分析表如下表6- 4所示：表 6-4 广告管理测试用例分析表测试主题测试步骤预期结果实际结果广告管理（1）点击广告管理，对于广告进行增删改查等操作 （2）点击启用按钮，对于广告状态进行启（禁）用对于广告的相关信息进行增删改查以及启用禁用均可正常执行符合预期结果广告管理页面如下图 6-4所示：图 6-4 广告管理页面我正在参与2024腾讯技术创作特训营最新征文，快来和我瓜分大奖！
32700编辑于 2024-06-22 - 来自专栏又见苍岚
调用 Baidu 语音识别接口识别短句
语音识别已经是很成熟的技术了，本文记录调用百度 API 实现语音识别的过程。 简介 百度语音识别的功能： 技术领先识别准确 采用领先国际的流式端到端语音语言一体化建模方法，融合百度自然语言处理技术，近场中文普通话识别准确率达98% 多语种和多方言识别 支持普通话和略带口音的中文识别 ；支持粤语、四川话方言识别；支持英文识别 深度语义解析 支持50多个领域的语义理解，如：天气，交通，娱乐等。 ，使识别结果的表现方式贴合表述，更加可懂 数字格式智能转换 根据语音内容理解可以将数字序列、小数、时间、分数、基础运算符正确转换为数字格式，使得识别的数字结果更符合使用习惯，直观自然 支持自助训练专属模型 音频重采样 语音识别需要将音频采样频率固定在 16k，如果当前音频不是 16k 采样率，需要重采样。 可以参考 修改 wav 音频采样率 测试音频 原神中的一段 音频 为例。
2.2K10编辑于 2023-06-27 - 来自专栏深度学习和计算机视觉
【OpenCV 4开发详解】图像连通域分析
提取图像中不同的连通域是图像处理中较为常用的方法，例如在车牌识别、文字识别、目标检测等领域对感兴趣区域分割与识别。 OpenCV 4提供了用于提取图像中不同连通域的connectedComponents()函数，该函数有两个函数原型，第一种函数原型在代码清单6-4中给出。 矩阵中第i行是标签为i的连通域的统计特性，存储的统计信息种类在表6-4中给出。 centroids：每个连通域的质心坐标，数据类型为CV_64F。 表6-4 connectedComponentsWithStats ()函数中统计的连通域信息种类标志参数简记作用CC_STAT_LEFT0连通域内最左侧像素的x坐标，它是水平方向上的包含连通域边界框的开始 矩阵中第i行是标签为i的连通域的统计特性，存储的统计信息种类在表6-4中给出。 centroids：每个连通域的质心坐标，数据类型为CV_64F。
7.3K21发布于 2020-02-12 - 来自专栏逸鹏说道
验证码识别，发票编号识别
这里最后做了一个发票编号识别的的案例： 地址：http://v.youku.com/v_show/id_XMTI1MzUxNDY3Ng==.html demo中包含一个验证码识别处理过程的演示程序，一个自动识别工具类库 最终的识别率： ? 图片字符的分割是验证码识别过程中最难的一步，也是决定识别结果的一步。不管多么复杂的验证码只要能准确的切割出来，就都能被识别出来。分割的方式有多种多样，对分割后的精细处理也复杂多样。 4．识别结果，依次将所得到的字符C拼接起来，得到的字符串就是该验证码的识别结果。 下面是验证码识别的具体流程： ? 发票编号识别 这个是基于aforge.net实现的，参考国外一位扑克牌识别的代码。 过程是先确定发票的位置，然后定位到发票编号，切出发票编号，调用自动识别类库识别数字，然后再将识别数据写到屏幕上。
3.3K90发布于 2018-04-09 - 来自专栏全栈程序员必看
linux安装gcc详细过程,linux下安装GCC
6-4。i386。rpm–force–nodeps rpm-ivhcompat-libstdc -296-2。96-138。i386。 6-4。i386。rpm–force–nodeps rpm-ivhcompat-gcc-34-g77-3。 4。6-4。i386。
18.1K10编辑于 2022-08-30 - 来自专栏全栈程序员必看
opencv 人脸识别 （二）训练和识别
上一篇中我们对训练数据做了一些预处理，检测出人脸并保存在\pic\color\x文件夹下（x=1,2,3,…类别号），本文做训练和识别。 为了识别，首先将人脸训练数据 转为灰度、对齐、归一化，再放入分类器（EigenFaceRecognizer）,最后用训练出的model进行predict。 Output：人脸检测，并识别出每张检测到的人脸。 —————————————– 1.
1.9K30编辑于 2022-09-05 - 来自专栏叶子陪你玩编程
数字识别
上篇的内容最后一个案例代码，其实来自官方的手写数字识别案例教程，我自己基于里面的内容自己删减了一些。 这里主要讲一下里面的数据集，sklearn自带了很多数据集，在安装包的data里面，就有手写数字识别数据集。 虽说是数字识别，不过这个数据集里面并没有实际图片。 ，不过识别前都会通过测试数据测试一下，先看看准确率怎么样，确定效果还不错，就可以用来测试没有见过的数字图片了。 如果将下面的数据（和训练的数据风格类似）转换成图片，再拿去识别是没问题的。 2.从图片文件夹中将所有数字图片读取出来 这里只是做了数字图片的读取，所以只能识别数字。 3.定义一个单张图片匹配的方法。
2.2K10编辑于 2022-02-08 - 来自专栏Don的成长史
单词识别
/weixin_42449444/article/details/89927887 题目描述： 输入一个英文句子，把句子中的单词(不区分大小写)按出现次数按从多到少把单词和次数在屏幕上输出来，要求能识别英文句号和逗号
1.6K20发布于 2019-11-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号