1、训练1> 环境部署（1）下载tensorflow的models文件，官网地址github，下载下来的文件名models-master.zip：解压文件，并重命名成models，我在ubuntu里面建立了一个名字为tensorflow的文件夹，并把models文件都放在这个tensorflow里面，当前的文件结构是： /home/jg/tensorflow/models/，models下文
一些上下文我的目标是让注意力OCR学习在哪里查找和阅读扫描文档中的特定信息。它应该找到一个10位数的数字(在大多数情况下)前面有一个描述性标签。文件的布局和类型各不相同，因此我得出结论，如果不使用注意机制，任务是无法解决的，因为位置可变。。。在我的第一个问题是：我是否正确地解释了模型的功能？它真的能解决我的问题吗？(一)目前的进展我试着在自己的数据集上运行了这项培训，其中有大约200k张736x7
转载
2024-04-28 15:23:14
45阅读
# #作者：韦访 1、概述上一讲，我们讲了人脸识别的基本原理，这一讲，我们用tensorflow来实现它。2、下载LFW人脸数据集2.1、LFW数据集简介LFW人脸数据集主要用来研究非受限情况下的人脸识别问题，包含13000张人脸图像，每张图像都被标识出对应的人名，其中，有1680张图像对应不止一个人名。这些图片都来自互联网。2.2、LFW数据集下载大概180.6M2.3、LFW数据集结构下载完数
对于Tensorflow的运作方式还不是很理解的同学一定要将上面这个图牢牢记在脑海中。在学习基础概念和新的代码的时候，不断将所学跟途中的信息做对照。 这张图的第一层理解就是，当有一个输入时，Tensorflow会根据这个输入值产生相应的输出值。如果这个输出值与实际的值有偏差，那么Tensorflow会对神经网络中的参数进行调整。以使得以下一的输出值更加
转载
2024-07-24 06:14:33
136阅读
线程和队列在使用TensorFlow进行异步计算时，队列是一种强大的机制。为了感受一下队列，让我们来看一个简单的例子。我们先创建一个“先入先出”的队列（FIFOQueue），并将其内部所有元素初始化为零。然后，我们构建一个TensorFlow图，它从队列前端取走一个元素，加上1之后，放回队列的后端。慢慢地，队列的元素的值就会增加。TensorFlow提供了两个类来帮助多线程的实现：tf.Coord
转载
2023-07-07 17:30:10
55阅读
在Windows上调试TensorFlow 2.0 中文手写字识别（汉字OCR）一、环境的搭建 Windows+1080Ti+Cuda10.1 Tsorflow2.0.0 Numpy1.16.4 注意：这里tensorflow和numpy的版本一定不能错，要不然后面会有意想不到的bug！！二、数据的准备 数据全部来自于CASIA的开源中文手写字数据集，该数据集分为两部分： CASIA-HWDB：离
转载
2024-03-23 13:03:32
470阅读
目录1 项目介绍1.1 项目功能1.2 评估指标2 数据集介绍2.1 数据特征3 数据的预处理3.1 数据增强3.2 倾斜矫正3.3 去横线3.4 文本区域定位4 网络结构5 OCR实现ocr_generated.pyocr_forward.pyocr_backward.pyocr_test.py相关笔记 1 项目介绍1.1 项目功能视频讲解 （1）项目功能：英文手写识别，如输入数据为手写英文作
转载
2024-04-25 13:40:20
39阅读
导读
对于人类来说，识别手写的数字是一件非常容易的事情。我们甚至不用思考，就可以看出下面的数字分别是1，2，3。
本期将使用Tensorflow搭建卷积神经网络，进行手写数字的识别。代码可关注公众号 IamZLT ，后台回复「手写数字识别」即可免费获取。
本系列文章
Part1：基于CNN的数字OCR识别
转载
2024-03-04 09:33:04
132阅读
一、tensorflow读取机制图解首先需要思考的一个问题是，什么是数据读取？以图像数据为例，读取数据的过程可以用下图来表示：假设我们的硬盘中有一个图片数据集0001.jpg，0002.jpg，0003.jpg……我们只需要把它们读取到内存中，然后提供给GPU或是CPU进行计算就可以了。这听起来很容易，但事实远没有那么简单。事实上，我们必须要把数据先读入后才能进行计算，假设读入用时0.1s，计算用
转载
2024-06-11 09:50:25
42阅读
OCR（Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。如何除错或利用辅助信
转载
2024-03-13 10:42:21
100阅读
前段时间实践tensorflow目标检测模型再训练，过程见博文tf2目标检测-训练自己的模型总结目标检测模型再训练过程，有以下几点需注意：1 训练集和测试集训练图片每张只包含一个目标，因此可用小尺寸图片，且统一训练图片大小，有助于加快训练过程。测试图片则用大图片，包含多个需检测目标，同时包括应排除的目标，检验模型训练成果。2 模型处理窗口和输入图片resize问题每个再训练模型有处理窗口，例如ss
转载
2024-04-24 16:05:34
72阅读
word2vec理解：自 然语言不能直接处理，因此我们要把它们转换成可以处理的数字或者向量。传统的方法是one-hot-encoder,就是把所有的单词重新篇成一个很长的向量，但是他有一个不好的地方，一是编码是随机的，没有提供任何关联信息，而是，编码的向量就有一个是1，其他都为零，整个矩阵很稀疏，稀疏矩阵的训练效率很低，这里使用向量表达可以有效的解决这些问题，一类是计数模型，他就是用一个滑动窗口，
转载
2024-06-16 11:57:06
34阅读
1.OCR技术概述OCR(Option Character Recognition，OCR)：指对文本资料的图像文字进行分析识别处理，获取文字及版本信息的技术。将图片翻译成文字一般被称为 光学文字识别OCROCR过程：1.图像输入（常用语存取图像的开源项目：OpenCV和CxImage等）
2.预处理（二指化、噪音清除、倾斜校正）
3.版本分析
4.字符切割
5.字符识别
6.版面恢复
7.后处理
转载
2024-08-10 18:04:29
242阅读
文章目录OCR算法检测类1. DBNet特征融合模型输出处理DBNet的二值化处理损失函数标签生成2. SAST模型介绍方法介绍代码标注3. PGNet模型介绍识别模型1. CTC(1). CRNN编码器介绍 OCR算法检测类1. DBNet属于分割类文本检测算法。其基于对模型预测出的特征图进行复制筛选的朴素思想，创新提出使用模型预测其阈值特征图，利用两者获得二值图，从而获取文本位置信息。其流程
转载
2023-11-22 18:50:05
310阅读
# OCR模型在PyTorch中的实现
光学字符识别（OCR）是一项重要的技术，用于将印刷或手写的文本转换为机器可读的文本。随着深度学习的迅速发展，OCR技术的性能获得了显著提升。在这篇文章中，我们将介绍如何利用PyTorch构建一个简单的OCR模型，并提供代码示例。
## OCR的基本原理
OCR模型通常由两个主要部分组成：特征提取和字符分类。特征提取阶段可以使用卷积神经网络（CNN）来获
# Pytorch OCR模型
在计算机视觉和人工智能领域，光学字符识别（OCR）是一个非常重要的任务。Pytorch是一个开源的深度学习框架，提供了丰富的工具和库，可以用来构建强大的OCR模型。本文将介绍如何使用Pytorch构建一个简单的OCR模型，并演示如何使用该模型进行文本识别。
## OCR模型的构建
首先，我们需要定义一个基本的OCR模型，这个模型可以接受输入的图像，并输出识别到
原创
2024-05-02 03:23:36
148阅读
# Python OCR 模型的科普
OCR（光学字符识别）技术的快速发展使得计算机能够读取并理解图像中的文本内容。随着机器学习和深度学习的进步，Python 中涌现了越来越多强大的 OCR 模型，既方便又高效。本文将介绍 OCR 的基本概念，常用的 Python 库，以及一个简单的代码示例，帮助你轻松实现 OCR 功能。
## OCR 的基本概念
OCR 是指利用各种技术，将印刷或手写文本
虽然目前的应用范围尚未扩大，但自然环境OCR的市场潜力是不可小觑的。
从古至今，文字经历了数代变革，最终发展成为现在的简体字。近来以来，随着科技的发展，人类变得越来越“懒”，从抛弃纸笔投入电脑的怀抱，再到现在从键盘到语音的转移。虽然不管如何发展，文字依然是人们不可丢弃的东西，但是出于让生活更便利的目的，它也在随着科技而发生变化，比如担当着人工智能基础
文章目录Tensorflow Serving实战安装Tensorflow serving准备YOLOX模型部署YOLOX模型测试YOLOX模型多模型多版本部署模型的热部署参考 Tensorflow Serving使用Tensorflow框架训练好模型后，想把模型部署到生产环境可以使用Tensorflow Serving进行部署。Tensorflow Serving具有以下作用：兼容Tensorf
转载
2024-05-05 18:54:11
162阅读
本篇介绍函数包括：
tf.conv2d
tf.nn.relu
tf.nn.max_pool
tf.nn.droupout
tf.nn.sigmoid_cross_entropy_with_logits
tf.truncated_normal
tf.constant
tf.placeholder
tf.nn.bias_add
tf.reduce_mean
tf.squared_d
转载
2024-02-22 00:49:25
37阅读
