- 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。 在TensorFlow中，我们可以使用Keras API来构建图像识别分类模型。Keras提供了一系列方便易用的层和模型，可以帮助我们快速构建深度学习模型。 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 - 来自专栏四楼没电梯
java验证码识别--4
java验证码识别--1 http://blog.csdn.net/problc/article/details/5794460 java验证码识别--2 http://blog.csdn.net/problc 4 http://blog.csdn.net/problc/article/details/5846614 java验证码识别--5 http://blog.csdn.net/problc/article 完整eclipse工程http://download.csdn.net/detail/problc/3829004 验证码识别如果识别率都是100%，那验证码也就没存在的必要了。 其实很多验证码能达到10%的识别率就不错了。 下面来一个稍微复杂一点的，识别率85%左右。 识别结果 啥也不说了，贴代码 public class ImagePreProcess4 { private static Map<BufferedImage, String> trainMap =
32210编辑于 2024-10-12 - 来自专栏全栈程序员必看
java 图片识别 tess4j_JAVA使用Tess4J进行ocr识别
Tess4J是对Tesseract OCR API.的Java JNA 封装。使java能够通过调用Tess4J的API来使用Tesseract OCR。 TIFF,JPEG,GIF,PNG,BMP,JPEG,and PDF Tesseract 的github地址：https://github.com/tesseract-ocr/tesseract Tess4J 的github地址：https://github.com/nguyenq/tess4j Tess4J API 提供的功能： 1、直接识别支持的文件 2、识别图片流 3、识别图片的某块区域 4、将识别结果保存为 TEXT/ HOCR/ PDF/ UNLV/ BOX 5、通过设置取词的等级，提取识别出来的文字 6、获得每一个识别区域的具体坐标范围 7、调整倾斜的图片 8、裁剪图片 9、调整图片分辨率 10、从粘贴板获得图像 12、图片转换为二进制、黑白图像、灰度图像 13、反转图片颜色 demo.java: /** * Test of doOCR method, of class Tesseract. * 根据图片文件进行识别
3.6K10编辑于 2022-09-05 - 来自专栏自然语言处理
实体识别(4) -基于Bert进行商品标题实体识别
基于Bert进行实体识别任务微调 所需要的pip包 pandas numpy sklearn pytorch transformers： https://github.com/ import cuda device = 'cuda' if cuda.is_available() else 'cpu' print(device) cuda 数据处理 比赛数据下载地址：商品标题实体识别 I-4,I-4,I-4,B-4,I-4,I-4,B-29,I-29,I-29,I-29,I-29,I-29,B-9,I-9,B-5,I-5,B-40,I-40,B-4,I-4,B-40,I-40,B-5 I-4,I-4,B-14,I-14,B-5,I-5,B-4,I-... , 'I-4', 'I-4', 'B-14', 'I-8', 'B-5', 'I-5', 'B-4', 'I-4', 'B-7', 'I-7', 'B-4', 'I-4', 'I-4', 'B-11',
1.1K30编辑于 2023-08-25 - 来自专栏想到什么就分享
Maix Bit 系列心得（4）--- 人脸识别
通过 kflash_gui 烧录人脸识别模型至 FLASH，Maix Bit 开发板上芯片K210跑人脸识别脚本，实现人脸识别。 一、实现步骤 具体操作步骤：MaixPy实现人脸识别 二、心得体会 刚开始以为只要把 key_gen_v1.2.bin 烧录进去，然后就可以跑脚本了。 MaixHub AIoT模型平台 模型是 KFPKG 文件，利用 kflash_gui 烧录至 Maix Bit ，然后在 MaixPy IDE 运行 MaixPy 人脸识别脚本就可以了。 a = img.draw_circle(re[0], re[1], 4) a = img.draw_circle(nose[0], nose[1], 4 ) a = img.draw_circle(lm[0], lm[1], 4) a = img.draw_circle(rm[0], rm[1], 4) #
1.1K30发布于 2021-08-05 - 来自专栏AIoT技术交流、分享
Python+OpenCV实现AI人脸识别身份认证系统(4)—人脸识别
本篇博文是Python+OpenCV实现AI人脸识别身份认证系统的收官之作，在人脸识别原理到数据采集、存储和训练识别模型基础上，实现人脸识别，废话少说，上效果图： ? 案例引入 在Python+OpenCV实现AI人脸识别身份认证系统(3)——训练人脸识别模型中主要讲述神经网络模型的训练过程，使用OpenCV模块中的LBPH（LOCAL BINARY PATTERNS HISTOGRAMS）人脸识别器算法（cv2.face.LBPHFaceRecogni zer_create()方法实现），训练生成“.yml”后缀的模型文件。 人脸识别的过程也非常简单，通过使用OpenCV模块读取“.yml”后缀的识别模型文件，实现人脸识别。 示例代码如下所示：
4.2K30发布于 2021-01-20 - 来自专栏全栈程序员必看
图像文字识别（四）：java调用tess4j识别图像文字
Tesseract-OCR支持中文识别，并且开源和提供全套的训练工具，是快速低成本开发的首选。 Tess4J在英文和数字识别中性能比较好，但是在中文识别中，无论速度还是识别率还是较弱，因此需要针对场景进行训练，才能获得较好结果。 这篇博客简单记录一下在java中通过调用tess4j的方式识别图片的文字内容。 ，需要指定识别语种，并且需要将对应的语言包放进项目中 instance.setLanguage("chi_sim"); // 指定识别图片 ： 可以看到，tess4j在中文识别时，无论速度还是识别率还是较弱，需要针对场景进行训练，才能获得较好结果。
6.3K40编辑于 2022-06-29 - 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。 Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)) (3): ReLU(inplace=True) (4) 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。 用卷积时不加的话会报类似以下错误： Expected 4-dimensional input for 4-dimensional weight [16, 1, 2, 2], # but
1.4K10编辑于 2022-06-07 - 来自专栏全栈程序员必看
tess4j验证码识别
tess4j的安装和使用 参考：https://www.cnblogs.com/cmyxn/p/6993422.html tess4j提高识别率 1.对称近邻均值滤波 参考：http://blog.csdn.net 如只需要识别数字，则指定whitelist为0123456789即可。 也可在程序中指定： 参考http://blog.csdn.net/hellousb2010/article/details/39477859 3.尽量指定图像的一块区域识别。 比如验证码起始位置和结束位置很多空白的，可以去掉，只对验证码区域做识别。 4.训练字库，提升识别率 http://blog.csdn.net/white0blue/article/details/47972405 http://blog.csdn.net/tuling_research
1.2K10编辑于 2022-07-01 - 来自专栏全栈程序员必看
基于Tess4j的图片识别
Tess4J是对Tesseract OCR API的Java JNA 封装。 通过强大的API从图片中识别和提取文本内容。Tess4J支持主流的图片格式，如TIFF,JPEG,GIF,PNG,BMP,and PDF。 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 – https://mvnrepository.com/artifact/net.sourceforge.tess4j/tess4j –> <dependency> <groupId >net.sourceforge.tess4j</groupId> <artifactId>tess4j</artifactId> <version>4.3.1</version
2.1K40编辑于 2022-08-31 - 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来自专栏全栈程序员必看tess4j3.2.1识别中英文
Tesseract(); // JNA Interface Mapping //设置datapath instance.setDatapath("C:\\wangl\\soft\\tess4j StringBuilder(bytes.length * 3); for (int b : bytes) { b &= 0xff; sb.append(HEXDIGITS[b >> 4] CertificateException { this.chain = chain; tm.checkServerTrusted(chain, authType); } } } 4. https需要在代码1中指定证书文件. 5.图片信息为: 汉字验证码–demo分享 最终结果显示: 汉字验证码汴demo分享 OK,识别率还可以,但存在提升的空间! 6.如果追求高识别率,可以考虑付费的国外泰比和国内的汉王.
1.7K20编辑于 2022-09-06来自专栏AIGC 先锋科技VG4D | 突破4D点云识别局限，融合视觉-语言模型实现动作识别新高度！
然而，由于传感器分辨率的限制，目前用于4D点云识别的方法存在局限性，导致缺乏详细信息。 传统4D点云网络的识别失败案例显示在图1的右侧。作者发现，4D点云的识别失败是由于动作之间的小差异造成的。当一个人用肢体执行特定动作时，参与的肢体和被操纵的物体对于区分动作至关重要。 在VG4D的基础上，作者将VLM在视频理解方面的卓越能力与4D点云表示相结合，以增强多模态动作识别。 作者的贡献可以总结如下： 作者提出了一种新颖的VG4D框架，该框架将4D特征空间与语言-图像表征对齐，有助于点云视频识别。 作者将VLMs的鲁棒特性表征能力与4D网络在点云视频理解方面的卓越能力相结合，以增强多模态动作识别。 作者提出的VG4D在大型RGB+D动作识别数据集上，显著优于近期最先进的方法。
92110编辑于 2024-07-08来自专栏全栈程序员必看验证码识别（Tess4J初体验）
遇到一道机试题 当时就懵逼了0.0查了好多资料，大体知道了基本的步骤：1.预处理 2.灰度化 3.二值化 4.去噪 5.分割 6.识别 还好题目要求不严格，可以使用开源程序。 package net.sourceforge.tess4j.example; import java.io.File; import net.sourceforge.tess4j.*; public (TesseractException e) { System.err.println(e.getMessage()); } } } 我稍微改了一下，识别指定文件夹下所有验证码 net.sourceforge.tess4j.Tesseract; import net.sourceforge.tess4j.TesseractException; /** * 验证码识别（图片名即为验证码数字 file.toString().substring(file.toString().lastIndexOf("\\")+1); System.out.println("图片名：" + fileName +" 识别结果
1.2K20编辑于 2022-08-12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。 【4】通风风机：5V小风扇+继电器 为了实现通风控制，选择5V小风扇作为通风装置，并通过继电器控制其开关状态。 【4】控制执行器：根据数据处理和判断的结果，控制相应的执行器，如通风风扇、照明灯和灌溉系统。通过设置相应的引脚电平或触发继电器，实现执行器的开启或关闭。 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
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
66020编辑于 2025-07-17来自专栏小锋学长生活大爆炸4步实现树莓派人脸识别、拍照与推送
url, data=json.dumps(data)) errmsg = html.json()['errmsg'] print(">> 发送 => "+errmsg) # 人脸识别并截图 （这里是主要入口函数） def faces_video(): """人脸识别并截图（这里是主要入口函数）""" # LED init GPIO.setwarnings(False destroyWindow('frame') # 删除窗口 if __name__ == '__main__': faces_video() print(">> 完成") 4、
1.9K10发布于 2021-01-05来自专栏全栈程序员必看Java 使用 Tess4J 实现图像识别
最近需要用Java做一个图像识别的东西，查了一些资料，在此写一个基于Tess4J的教程，方便其他人参考和使用。 其实做图像识别，也可以使用TESSERACT-OCR来实现，但是该方式需要下载软件，在电脑上安装环境，移植性不高，使用Tess4J只需要下载相关Jar包，导入项目，再把项目封装好就可以处处运行了。 首先，下载Tess4J的相关资源（一个压缩包），官网：http://tess4j.sourceforge.net/codesample.html。 Tess4J的代码比较简洁，如下： Tess4JTest.java package ocr; import net.sourceforge.tess4j.ITesseract; import net.sourceforge.tess4j.Tesseract java.io.File; import java.io.IOException; /** * Tess4J测试类 */ public class Tess4JTest { public
2.6K10编辑于 2022-07-01来自专栏PaddlePaddle1+1>2，Paddle Lite与EdgeBoard无缝连接，快速实现部署应用
本文通过Paddle Lite高性能推理引擎在百度EdgeBoard计算卡上部署蔬菜识别模型，达到了实时高效识别蔬菜品类的效果。 1. 真实案例：蔬菜种类识别 针对真实的业务需求：蔬菜种类识别，本文进行了完整的案例实现。 简便起见，我们采用了百度AI Studio的公开蔬菜识别模型，为了进一步提高识别速度和效率，采用的是int8量化训练的模型，量化的优点包括低内存带宽、低功耗、低计算资源占用以及低模型存储需求等。 总结 本文利用Paddle Lite推理引擎在EdgeBoard计算卡上部署Resnet50 int8量化蔬菜识别模型，实现了边缘端智能识别蔬菜品类的功能，可用于多种场景。 整个应用借助Paddle Lite的上层框架优化能力与FPGA的底层计算加速能力，每秒可识别50帧，真正实现实时高效的蔬菜识别。
1.1K20发布于 2019-10-10来自专栏Y大宽4️⃣ 核酸序列特征分析(1):开放阅读框识别
也就是内含子序列5'端起始的两个核苷酸总是GU,3'端最后两个核苷酸总是AG，即5'-GU......AG3,这可协助识别ORF ORF预测的工具很多，一般基于以下两种算法， 第一，基于统计学分析和模式分析
3.3K30发布于 2019-01-28
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