人工智能 人工智能的相关文章

《我的PaddlePaddle学习之路》笔记八——场景文字识别

  |   0 评论   |   0 浏览   |   夜雨飘零

场景文字识别到底有什么用呢,说得大一些在自动驾驶领域,公路上总会有很多的路牌和标识,这些路牌标识通常会有很多的文字说明,我们就要识别这些文字来了解它们的含义。还有老师在黑板上写的笔记,如果使用场景文字识别技术,我们直接拍个照,直接识别黑板中的文字内容,就可以省去很多抄笔记时间了。

《我的PaddlePaddle学习之路》笔记七——车牌端到端的识别

  |   1 评论   |   0 浏览   |   夜雨飘零

车牌识别的应用场景有很多,比如在停车场。通过车牌识别登记入库和出库的车辆的情况,并计算该车停留时间,然后折算费用。还可以在公路上识别来往的车辆,方便交警的检查等等。接下来我们就是使用 PaddlePaddle 来做一个车牌识别,我们直接通过段端到端识别,不用分割即可完成识别。在阅读这篇文章时,

《我的PaddlePaddle学习之路》笔记六——验证码端到端的识别

  |   1 评论   |   0 浏览   |   夜雨飘零

在上一篇文章中介绍了验证码的识别,但是使用的传统的验证码分割,然后通过图像分类的方法来实现验证码的识别的,这中方法比较繁琐,工作量比较多。在本篇文章会介绍验证码端到端的识别,直接一步到位,不用图像分割那么麻烦了。好吧,现在开始吧!

《我的PaddlePaddle学习之路》笔记五——验证码的识别

  |   0 评论   |   0 浏览   |   夜雨飘零

本次使用的验证码是方正系统,现在很多的大学的教务系统用的就是这个方正系统,刚好既然那么普遍,我们就用它练一练手。经过观察大量的验证码发现,该系统的验证码只有小写的字母和数字,这样分类就少了很多了。该系统的验证码如下:

《我的PaddlePaddle学习之路》笔记四——自定义图像数据集的识别

  |   0 评论   |   0 浏览   |   夜雨飘零

如果我们要训练自己的数据集的话,就需要先建立图像列表文件,下面的代码是 Myreader.py 读取图像数据集的一部分,从这些代码中可以看出,图像列表中,图像的路径和标签是以 \t 来分割的,所以我们在生成这个列表的时候,使用 \t 就可以了。

《我的PaddlePaddle学习之路》笔记三——CIFAR彩色图像识别

  |   0 评论   |   0 浏览   |   夜雨飘零

本次项目中使用的是一个 32*32 的彩色图像的数据集 CIFAR-10,CIFAR-10 数据集包含 10 个类的 60000 个 32x32 彩色图像,每个类有 6000 个图像。有 50000 个训练图像和 10000 个测试图像。数据集分为五个训练 batch 和一个测试 batch,每个 batch 有 10000 个图像。测试 batch 包含来自每个类 1000 个随机选择的图像。训练 batch 按照随机顺序包含剩余的图像,但是一些训练 batch 可能包含比另一个更多的图像。在他们之间,训练的 batch 包含每个类别正好 5000 张图片。

《我的PaddlePaddle学习之路》笔记二——MNIST手写数字识别

  |   0 评论   |   0 浏览   |   夜雨飘零

如题目所示,本次训练使用到的是 MNIST 数据库的手写数字,这个数据集包含 60,000 个示例的训练集以及 10,000 个示例的测试集。图片是 28x28 的像素矩阵,标签则对应着 0~9 的 10 个数字。每张图片都经过了大小归一化和居中处理。该数据集的图片是一个黑白的单通道图片,其中图片如下:

《我的PaddlePaddle学习之路》笔记一——PaddlePaddle的安装

  |   0 评论   |   0 浏览   |   夜雨飘零

PaddlePaddle 目前还不支持 Windows,如果读者直接在 Windows 上安装 PaddlePaddlePaddle 的话,就会提示没有找到该安装包。如果读者一定要在 Windows 上工作的话,笔者提供两个建议:一、在 Windows 系统上使用 Docker 容器,在 Docker 容器上安装带有 PaddlePaddle 的镜像;二、在 Windows 系统上安装虚拟机,再在虚拟机上安装 Ubuntu。