- 综合排序
- 最热优先
- 最新优先
- 来自专栏Python项目
蔬菜识别系统Python+TensorFlow+Django网页界面+卷积网络算法+深度学习模型
一、介绍蔬菜识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对数据集进行训练，最后得到一个识别精度较高的模型。 并基于Django框架，开发网页端操作平台，实现用户上传一张图片识别其名称。 在进行图像识别分类之前，我们需要准备训练数据。通常情况下，我们需要一个包含训练图像和对应标签的数据集。TensorFlow提供了一些便捷的工具来加载和处理图像数据。 Sequential()model.add(base_model)model.add(Flatten())model.add(Dense(256, activation='relu'))model.add(Dense(10 本文介绍了TensorFlow在图像识别分类中的应用，并通过相关代码进行了讲解。通过TensorFlow提供的工具和库，我们可以方便地构建、训练和评估图像识别分类模型。
81721编辑于 2023-07-13 - 来自专栏小鹏的专栏
10 端到端语音识别
端到端语音识别 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? • Espnet: https://github.com/espnet/espnet • 实现了主流的端到端语音识别方法 • Speech-Transformer、LAS、CTC、RNN-T • 一个小缺点
1.9K20发布于 2020-03-25 - 来自专栏python爬虫实战之路
10行代码实现python人脸识别
什么是人脸识别 人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。 用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。 目前的人脸识别技术已经非常成熟了，还发展成3D人脸识别。而且现在各大厂商也都提供了人脸识别的API接口供我们调用，可以说几行代码就可以完成人脸识别。但是人脸识别的根本还是基于图像处理。 所有的人脸识别算法在他们的train()函数中都有两个参数：图像数组和标签数组。这些标签标示进行识别时候的人脸ID，根据ID可以知道被识别的人是谁。 现在机器学习是非常火爆的，基于OpenCV的机器学习人脸识别也精确度也很高，下次我们在来对比几种机器学习人脸识别的库。
5.4K32发布于 2020-05-22 - 来自专栏c++ 学习分享
【65001在win7不识别，在win10系统识别】
65001在win7不识别，在win10系统识别 #pragma code_page(65001) 是一个指示编译器使用特定代码页来编译资源文件的预处理器指令。 操作系统更新和补丁：Windows 10 相比 Windows 7，包含了许多系统更新和补丁，这些更新可能改善了对 UTF-8 编码的支持。 Windows 10 的某些更新显著改善了对 UTF-8 的支持，包括命令行和其他系统工具。 大多数Windows应用程序都可以识别BOM，但某些程序和系统可能需要特定的顺序（Little Endian或Big Endian）。 在这种情况下，保存为UTF-16 LE格式通常是Windows平台上识别的默认方式。
1.6K10编辑于 2023-12-28 - 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 - 来自专栏一“技”之长
iOS10语音识别框架SpeechFramework应用
iOS10语音识别框架SpeechFramework应用 一、引言 iOS10系统是一个较有突破性的系统，其在Message，Notification等方面都开放了很多实用性的开发接口 本篇博客将主要探讨iOS10中新引入的SpeechFramework框架。 SFSpeechRecognizer：这个类是语音识别的操作类，用于语音识别用户权限的申请，语言环境的设置，语音模式的设置以及向Apple服务发送语音识别的请求。 三、申请用户语音识别权限与进行语音识别请求 开发者若要在自己的App中使用语音识别功能，需要获取用户的同意。 SFSpeechRecognitionResult SFSpeechRecognitionResult类是语音识别结果的封装，其中包含了许多套平行的识别信息，其每一份识别信息都有可信度属性来描述其准确程度
1.4K20发布于 2018-08-15 - 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Python编程 pyqt matplotlib
基于VGG16迁移学习给蔬菜水果分类
人类并不是通过从头分析成千上万个相似的图像来识别新的图形。 VGG16模型是在ImageNet竞赛中获得成功的最早的算法之一，它比较简单，本篇用它来介绍迁移学习和用来训练我们的蔬菜水果图像分类器。 它所有的算法参数都是调整好的，可以识别1000个类别。 True) (9): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False) (10 当然，最后一层的out_features 得由1000改为36，因为我们的蔬菜水果数据集仅含有36个类别。 optimizer.step() train_loss += loss.item() # only for monitoring if batch % 10
1.4K10编辑于 2022-06-07 - 来自专栏施炯的IoT开发专栏
Windows 10 IoT Serials 10 – 如何使用OCR引擎进行文字识别
创建针对某种语言的OCR识别实例 4. 加载图片，识别图片中的文字 5. 从摄像头捕捉的图片中识别文字 6. 将识别的文字覆盖在图片上 2. 解决方法 上述问题的出现，是由于Windows 10 IoT Core设备上没有OCR的相关资源，导致程序无法正常运行。 解决方法如下： 首先，将Windows 10设备的C:\\Windows\OCR目录拷贝到Windows 10 IoT Core设备的c$\Windows目录，如下图所示。 ? 首先，调试OCR图片中文识别，结果如下： ? 可以看到，中文的识别准确度挺高，基本上都识别出来了。 接着，在调试用摄像头进行OCR中文识别和OCR英文识别，结果分别如下图所示。 ? 从图中可以看出，摄像头识别的结果依赖于光线、摄像头分辨率等因素，环境光越好，摄像头分辨率越高，则识别精度就越高。
3K40发布于 2018-03-27 - 来自专栏有趣的Python和你
深度学习|Keras识别CIFAR-10图像（CNN）
数据和方法 CIFAR-10数据集有6000个32×32个彩色图片，50000个训练图片和10000个测试图片。有10个类别：飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车。 from keras.datasets import cifar10 import numpy as np np.random.seed(10) (x_img_train,y_label_train) ,(x_img_test,y_label_test)=cifar10.load_data() 数据处理 标准化 label的one-hot编码 x_img_train_normalize = x_img_train.astype rate=0.25)) model.add(Dense(1024, activation='relu')) model.add(Dropout(rate=0.25)) model.add(Dense(10 y_label_train_OneHot, validation_split=0.2, epochs=10
1.4K50发布于 2019-01-28 - 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 至此，基本完成模式建立和训练，并对模型进行评估，简简单单的几行代码就能让识别率在 70% 左右。 总结 这识别率还是可以再提高的，随着下一阶段的学习，把增强型模型做好，以提高识别率。 参考 [1] CIFAR-10 数据集 https://www.tensorflow.org/datasets/catalog/cifar10
1.6K20发布于 2021-02-24 - 来自专栏算法工程师的学习日志
10行内Python代码实现语音识别
最近在做一个语音识别的项目，故分享一下相关内容 Python在语音识别方面功能很强大，程序语言简单高效，下面编程实现一下如何实现语音识别。本文分享如何调用百度AI开放平台实现语音识别技术。 创建应用完成后，进入管理页面，可以看到应用对应的 “AppID”、“API Key”与“Secret Key”，这些信息在调用语音识别需要提供。 创建了应用，我们便可以调用接口实现语音识别了。 ('test.wav')表示“test.wav”中的内容，'wav'表示文件类型，16000表示采样率,{'dev_pid': 1536, }表示识别类型为普通话。 下面的print(res['result'][0])可以实现识别结果的输出。 但是这个API也有一些缺点，比如待识别的录音需要上传完整的录音文件，并且录音文件时长不超过60s；此外，对单个应用的每秒查询率也有一定限制。感兴趣的朋友可以尝试一下。
1.7K20编辑于 2022-07-27 - 来自专栏喵叔's 专栏
TensorFlow学习笔记--CIFAR-10 图像识别
零、学习目标 tensorflow 数据读取原理 深度学习数据增强原理 一、CIFAR-10数据集简介 是用于普通物体识别的小型数据集，一共包含 10个类别 的 RGB彩色图片（包含：（飞机、汽车、鸟类 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 = '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 六、CIFAR-10识别模型 建立模型的代码在cifar10.py文件额inference函数中，代码在这里不进行详解，读者可以去阅读代码中的注释。 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【Educoder实训】头歌实践教学平台
【CSS——页面布局】新鲜的蔬菜（蓝桥杯真题-2439）【合集】
背景介绍 厨房里新到一批蔬菜，被凌乱地堆放在一起，现在我们给蔬菜分下类，把相同的蔬菜放到同一个菜板上，拿给厨师烹饪美味佳肴吧。 edge" /> <meta name="viewport" content="width=device-width, initial-scale=1.0" /> <title>新鲜的蔬菜 每个 box 元素内包含若干个 元素，每个 item 元素中又包含一个
标签，用于显示蔬菜图标。 在这个过程中，会识别出
作为整体容器，以及内部的三个元素和它们包含的 及 <99100编辑于 2025-03-07来自专栏林德熙的博客win10 uwp 使用 OCR 光学字符识别
在 UWP 里面可以很方便通过 Windows.Media.Ocr.OcrEngine 识别图片的字符，其实老周有写过这一篇技术博客，今天有小伙伴在问如何实现，我还以为老周的博客过时了，于是重新复制老周的代码跑了一次 ，然后就通过了 在老周的 【Win10 应用开发】OCR识别 博客还是 UAP 的代码，此时 UWP 还没发布，不过在 UWP 发布之后也没有改这部分的 API 也就是可以直接复制代码运行 欢迎小伙伴新建一个 获取图像 var swbmp = await decoder.GetSoftwareBitmapAsync(); // 准备识别 { var dialog = new Windows.UI.Popups.MessageDialog("不支持简体中文的识别 ，这样大概复制上面代码就可以跑起来了 代码的主要逻辑是 var engine = Windows.Media.Ocr.OcrEngine.TryCreateFromLanguage(lang); 创建识别引擎
1.8K20发布于 2020-04-10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来自专栏嵌入式项目开发基于STM32的蔬菜大棚温湿度智能控制系统设计
一、前言 随着人们对健康和可持续生活方式的关注不断增加，蔬菜大棚成为了现代农业中的重要组成部分。蔬菜大棚提供了一个受控的环境，使得农民能够在任何季节种植蔬菜，并根据需要进行调节。 为了实现最佳的蔬菜生长和产量，对温度和湿度等环境条件的精确控制至关重要。 传统的蔬菜大棚管理通常依赖于人工监测和调节。 这种方法存在一些问题，例如人工监测容易出现误差和延迟，而且对于大规模的蔬菜大棚来说，人工调节工作量巨大。所以开发一种基于智能控制系统的蔬菜大棚温湿度管理方案变得非常重要。 项目的目标是提高蔬菜大棚的生产效率和质量，降低能源消耗，并减少人力投入。通过智能控制系统的应用，农民能够实现更加可持续和高效的农业生产，为社会提供更多健康的蔬菜产品。 蔬菜大棚温湿度智能控制系统利用STM32微控制器和各种传感器实现了对环境参数的监测和控制，提高了蔬菜大棚的自动化程度和生产效率。
2.6K51编辑于 2023-09-27水果蔬菜检测数据集VOC+YOLO格式9637张94类别
haft-cabbage 框数 = 16 half carrot 框数 = 24 half onion 框数 = 32 ham 框数 = 74 heavy_cream 框数 = 141 jalapeno 框数 = 10
66020编辑于 2025-07-17来自专栏全栈程序员必看win10指纹识别用不了_windowshello指纹识别驱动
目前市面上除游戏本以外大多数新出的 Windows 10笔记本电脑都支持 Windows Hello(面容、指纹、虹膜等)，但是对于台式机来说，很少会有消费者专门去购置一台支持 Windows Hello 的主机，同时外置的 USB 指纹识别器价格也不便宜，所以很多人即便想和 对 Windows 10 说声 Hello 也不行，久而久之，即便用户想和 Windows 10 交流也没办法，最终只能形同陌路 所以我们就经过数万个日夜(假的)的研究，终于找到了这款可以通过安卓手机指纹识别来解锁 Windows 10的应用(嗯，很遗憾这款应用不支持 iOS 系统)。 随后会弹出一个窗口，需要先识别指纹后才可以操作，识别后窗口会显示一行蓝色的字，表明“你的身份已经认证完成，你现在可以添加或编辑账户了”；然后在“New Account”和“New Password”中直接输入你的登陆这台电脑的微软账户邮箱和密码 回到“Unlock”页面，然后将你的手指放在你手机的指纹识别处，电脑会立即解锁。
2K70编辑于 2022-09-22来自专栏人工智能使用10几行Python代码，快速建立视觉模型识别图像
你的好友可能（不止一次）给你演示如何用新买的iPhone X做面部识别解锁了吧？没有机器对图像的辨识，能做到吗？ 虽然不过写了10几行代码，但是你构建的模型却足够复杂和高大上。它就是传说中的卷积神经网络（Convolutional Neural Network, CNN）。 它是深度机器学习模型的一种。 实际上，在一张图片里，我们要识别的对象可能发生位移。因此我们需要用汇总采样的方式模糊某个特征的位置，将其从“某个具体的点”，扩展成“某个区域”。 如果这样说，让你觉得不够直观，请参考下面这张动图。 即便是使用非常庞大的计算量，深度神经网络对于图片模式的识别效果也未必尽如人意。因为它学习了太多噪声。而卷积层和采样层的引入，可以有效过滤掉噪声，突出图片中的模式对训练结果的影响。 你可能会想，咱们只编写了10几行代码而已，使用的卷积神经网络一定跟上图差不多，只有4、5层的样子吧？ 不是这样的，你用的层数，有足足50层呢！
2.5K90发布于 2018-01-11
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