- 综合排序
- 最热优先
- 最新优先
- 来自专栏Python编程 pyqt matplotlib
CIFAR-10数据集 图像识别
本篇我们还是用序列化的（串行的）卷积神经网络，基于CIFAR-10数据集创建图像识别模型。 # -*- coding: utf-8 -*- """ Created on Tue Dec 10 20:04:58 2019 @author: wsp Tensorflow version：2.0 Python train_dataset, train_labels, valid_dataset, valid_labels from matplotlib import pyplot as plt cifar10 = tf.keras.datasets.cifar10 #(x_train, y_train), (x_test, y_test) = cifar10.load_data() #从网络下载数据集 x_train tf.keras.layers.Dense(500, activation='relu'), tf.keras.layers.Dropout(0.25), tf.keras.layers.Dense(10
1.6K10发布于 2019-12-25 - 来自专栏Deep Learning 笔记
图像识别（三）cifar10.py
cifar10.py文件包含以下函数，用于搭建模型 def _activation_summary(x): def _variable_on_cpu(name, shape, initializer): _data', """Path to the CIFAR-10 data directory.""") tf.app.flags.DEFINE_boolean #描述 CIFAR-10 数据集的全局常量 IMAGE_SIZE = cifar10_input.IMAGE_SIZE NUM_CLASSES = cifar10_input.NUM_CLASSES NUM_EXAMPLES_PER_EPOCH_FOR_TRAIN = cifar10_input.NUM_EXAMPLES_PER_EPOCH_FOR_TRAIN NUM_EXAMPLES_PER_EPOCH_FOR_EVAL = cifar10_input.NUM_EXAMPLES_PER_EPOCH_FOR_EVAL : raise ValueError('Please supply a data_dir') data_dir = os.path.join(FLAGS.data_dir, 'cifar-10
1.6K40发布于 2018-09-02 - 来自专栏喵叔's 专栏
TensorFlow学习笔记--CIFAR-10 图像识别
文件 用途 cifar10.py 建立CIFAR-1O预测模型 cifar10_input.py 在tensorflow中读入CIFAR-10训练图片 cifar10_input_test.py cifar10 _input 的测试用例文件 cifar10_train.py 使用单个GPU或CPU训练模型 cifar10_train_multi_gpu.py 使用多个gpu训练模型 cifar10_eval.py 在测试集上测试模型的性能 二、下载CIFAR-10数据 在工程根目录创建 cifar10_download.py ,输入如下代码创建下载数据的程序： # 引入当前目录中已经编写好的cifar10模块 = 'cifar10_data/' # 如果数据不存在，则下载 cifar10.maybe_download_and_extract() 执行完这段代码后，CIFAR-10数据集会下载到目录 cifar10 cifar10_data／ 表 示 CIFAR-10 数据集的存储位置 。
1.5K20发布于 2020-09-08 - 来自专栏Coding01
TensorFlow (2) CIFAR-10 简单图像识别
本文 2345.5字，需要 5.86 分钟 CIFAR-10 图像识别 本文主要学习获取 CIFAR-10 数据集，通过简单的模型对数据集进行训练和识别。 _create_unverified_context 下载 CIFAR-10 数据集[1]： (x_train, y_train), (x_test, y_test) = tf.keras.datasets.cifar10 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck'] plt.figure(figsize=(10,10 model.add(layers.Flatten()) model.add(layers.Dense(64, activation='relu')) model.add(layers.Dense(10 参考 [1] CIFAR-10 数据集 https://www.tensorflow.org/datasets/catalog/cifar10
1.6K20发布于 2021-02-24 - 来自专栏Deep Learning 笔记
图像识别（二） cifar10_input.py详解
该文件包括下列四个函 数： def read_cifar10(filename_queue) def _generate_image_and_label_batch(image, label distorted_inputs(data_dir, batch_size) def inputs(eval_data, data_dir, batch_size) 函数详解： def read_cifar10 (filename_queue): class CIFAR10Record(object): pass result = CIFAR10Record() #数据集是5个bin文件 label_bytes = 1 # CIFAR-10的姊妹数据集Cifar-100（label_bayes=2）达到100类，ILSVRC比赛则是1000类 result.height = 32 result.uint8image = tf.transpose(depth_major, [1, 2, 0]) return result read_cifar10(filename_queue
2.1K60发布于 2018-09-02 - 来自专栏python3
【python 图像识别】图像识别从菜鸟
一、安装配置（python2.7） 1.pip install pytesseract 2、pip install pyocr 3、pip install pillow 4、安装tesseract-ocr：http://jaist.dl.sourceforge.net/project/tesseract-ocr-alt/tesseract-ocr-setup-3.02.02.exe，安装在C:\Program Files\下 5、找到 pytesseract.py 更改 tesseract_cmd = 'C
12.4K41发布于 2020-01-10 - 来自专栏AILearning
图像识别
我们现在正在采取下一步，发布在最新型号Inception-v3上运行图像识别的代码。 Inception-v3 使用2012年的数据对ImageNet大型视觉识别挑战进行了培训。
22.3K80发布于 2018-01-05 - 来自专栏aardio
aardio 图像识别
今天终于学会了编程中的 OCR 技术！原来计算机真的能识别图片里的文字，这种让程序 "看懂" 图像的能力太神奇了，赶紧把学习过程记录下来。
70210编辑于 2025-06-20 - 来自专栏腾讯移动品质中心TMQ的专栏
Airtest图像识别
Airtest是一款网易出品的基于图像识别面向手游UI测试的工具，也支持原生Android App基于元素识别的UI自动化测试。 图示为AirtestIDE中脚本运行范例 本文重点是针对Airtest中的图像识别进行代码走读，加深对图像识别原理的理解（公众号贴出的代码显示不全仅供参考，详细代码可以在github查看）。 这里可以看到，Airtest也没有自研一套很牛的图像识别算法，直接用的OpenCV的模板匹配方法。 四、接着看另外一个方法 aircv.find_sift 定义在sift.py里面： ? ? 可以看到，用到的也是OpenCV的方法，如果是OpenCV3则查找图像特征点集的方法就是： cv2.xfeatures2d.SIFT_create(edgeThreshold=10).detectAndCompute 六、总结 1、图像识别，对不能用ui控件定位的地方的，使用图像识别来定位，对一些自定义控件、H5、小程序、游戏，都可以支持； 2、支持多个终端，使用图像识别的话可以一套代码兼容android和ios哦，
14.6K21发布于 2019-01-08 - 来自专栏企鹅号快讯
图像识别——MNIST
本文使用NEURAL程序来介绍一下在SAS里如何实现图像识别。例子所用的数据集是MNIST数据集，从http://yann.lecun.com/exdb/mnist/可以获取。 02模型训练过程:采用SAS中的神经网络过程步： ***自编码识别******************* 03结果展示 最后，来看一下原始数据和模型训练结果的对比效果: 10个 MNIST 数据集的原始数字 模型训练生成的10个数字 参考文献： An overview of machine learning with SAS.pdf https://communities.sas.com/kntur85557
7.1K40发布于 2018-02-28 - 来自专栏小鹏的专栏
图像识别之mixupcutmix
本人kaggle分享链接：https://www.kaggle.com/c/bengaliai-cv19/discussion/126504
7.5K10发布于 2020-02-18 - 来自专栏小鹏的专栏
图像识别之GridMask
GridMask: https://arxiv.org/abs/2001.04086
6.3K10发布于 2020-02-18 - 来自专栏决策智能与机器学习
算法集锦（14）|图像识别| 图像识别算法的罗夏测试
随着对基于深度学习的图像识别算法的大量研究与应用，我们倾向于将各种各样的算法组合起来快速进行图片识别和标注。 罗夏测验材料由10张结构模棱两可的墨迹图组成，其中5张全为黑色，2张是在黑色和灰色图外加了红色墨迹，另3张全为彩色。 施测时按10张图片顺序一张一张地交给受试者，要他说出在图中看到了什么，不限时间，尽可能多地说出来，这一阶段称联想阶段；看完10张图，再从头对每一回答询问，问受试者看到是整图还是图中的哪一部分，为什么这些部位像所说的内容 对于这些复杂图像的识别就比较难以理解了，比如第10张卡片竟被认为是托盘。 missile 238.45 fountain 64.82 parachute 48.21 volcano 44.77 paper_towel 41.59 lampshade 13.48 Card 10
6.8K20发布于 2020-08-04 - 来自专栏小鹏的专栏
图像识别之augmix
augmix: https://github.com/google-research/augmix
6.5K10发布于 2020-02-18 - 来自专栏燧机科技-视频AI智能分析
智能视频图像识别
智能视频图像识别系统选用人工智能识别算法技术，能够随时监控和剖析现场各大品牌相机中的视频图像。 智能视频图像识别系统软件关键运用相机拍摄的图像开展智能实时分析，抓拍监控识别和检作业现场的违规操作及行为，并向责任人推送信息。 与传统监控系统软件对比，智能视频图像识别系统软件增强了自主监控报警的能力，增强了数据检测和解析功能。智能视频图像识别系统具备很大的经济价值和广泛的应用领域，引起了国内外研究工作人员的广泛关注。 智能视频图像识别识别系统实现了下列识别优化算法:(1)施工作业安全帽子识别(2)混色+响应式工作服装识别(3)未系安全带高处作业识别(4)超长距离地区警示(5)浓烟+明火识别(6)睡岗识别(7)手机识别 智能视频图像识别可应用于全部必须生产安全/工程施工的场地，包含在建工地、在建地铁/铁路线/道路、新建加工厂和经营加工厂、煤矿业和工作船，给施工作业产生很大的方便。
8K40编辑于 2022-09-14 - 来自专栏Bingo的深度学习杂货店
图像识别——突破与应用
最近，图像识别领域发布了白皮书，简单翻译一下做个总结。 截至2016年9月1日，YouTube拥有每天10亿移动用户，每分钟视频上传到网站的时间为300小时。 ? ---- [2] 图像识别 图像识别的目标是识别图像中的对象和人，并理解上下文。 这是图像识别史上的一个转折点，也是这个领域前途光明的开始。这个成就将焦点从传统的图像识别方法转移到了使用深度神经网络的新方法。 随着算法效率的提高和处理能力的提高，许多图像识别功能可以嵌入到相机中。 图像识别技术可以用来计算物体，如汽车或图像中的人物。这种能力可以用于交通和人群管理。 配备有先进图像识别能力的智能移动机器人具有许多商业（例如服务业）和个人用途。最先进的图像识别最新的应用是协助自动驾驶汽车和汽车驾驶员。
15.8K113发布于 2018-04-25 - 来自专栏瓜大三哥
图像识别（自己训练模型）
1.数据集：从VGG网下载，这是一些各种猫和狗的图片（每个文件夹下面大约200张图片，有点少，所以训练的结果并不是很好，最好是上万的数据） 2.做得图像识别网络模型：（这个是技术核心，但是在神经网络里也有一句话
6.7K70发布于 2018-02-24 - 来自专栏梦无矶测开实录
python文字图像识别tesseract
[AI测试]python文字图像识别tesseract 七夕了，咱来学点知识！
4.1K30编辑于 2023-09-08 - 来自专栏数据科学与人工智能
【研究】图像识别及应用
1 图像识别是什么？ 2 图像识别的应用场景有哪些？ 什么是图像识别 图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。 实际上，图像识别和图像分割并不存在严格的界限。从某种意义上，图像分割的过程就是图像识别的过程。 图为图像识别系统图 图像识别的国内外研究现状 图像识别的发展经历了三个阶段：文字识别、数字图像处理与识别、物体识别。 其实对于图像识别技术，大家已经不陌生，人脸识别、虹膜识别、指纹识别等都属于这个范畴，但是图像识别远不只如此，它涵盖了生物识别、物体与场景识别、视频识别三大类。 图像识别在安防领域应用较多，未来在软硬件铺设到后端软件管理平台的建设转型中，图像识别系统将成为打造智慧城市的核心环节。
8.3K70发布于 2018-02-26 AI图像识别检测系统
在数字化转型浪潮中，图像识别检测系统正成为连接物理世界与数字空间的核心纽带。 一、核心技术优势解析相较于传统方案，AI图像识别检测系统在多个维度实现突破性提升：在识别精度上，传统方案受光照、角度影响大，而智能系统通过自适应环境增强模型鲁棒性，大幅降低环境干扰带来的误差；处理速度方面 这些突破将推动图像识别技术向更多长尾场景渗透，真正实现“所见即所知”的智慧愿景。
57710编辑于 2025-10-16
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