原创 Python 實現通過 RNN實現二進制的乘法

http://blog.csdn.net/zzukun/article/details/49968129  以下Visual Studio Code. import copy, numpy as np np.random.seed(0)

原创 Detecting Text in Natural Image with Connectionist Text Proposal Network

Weilin Huang——【ECCV2016】Detecting Text in Natural Image with Connectionist Text Proposal Network   目錄 作者和相關鏈接幾個關鍵的Id

原创 Opencv4.12 Opencv-contrib4.12 for Android 編譯 注意事項

 操作系統   Ubuntu 18.04.3 LTS ,    需要的軟件sudo apt-get install ninja-build cmake 1. 在 /etc/profile 中設置環境變量: sdk_parh androi

原创 Python 中@符號解釋 和 *args **kwards

1、基本含義 https://blog.csdn.net/u012206617/article/details/90445772 https://www.cnblogs.com/yunguoxiaoqiao/p/7626992.html

原创 有用的 網址(GMM TCN)

https://github.com/vdumoulin/conv_arithmetic  如何理解 卷積含義,通過動畫方式說明 https://blog.csdn.net/bitcarmanlee/article/details/547

原创 tensorflow——rnn(penn tree bank) 數據解釋

原創 2017年02月08日 21:49:03812rnn(penn tree bank)rnn的一個典型應用是用於處理自然語言,ptb是一個常用的數據集,裏面包含上百萬的詞彙。本例就是採用lstm對ptb進行自然語言預測。 數據預處理過

原创 科大訊飛新一代語音識別系統揭祕

科大訊飛新一代語音識別系統揭祕 2016-01-04 14:05 稿源:ITBear  2條評論  撤稿糾錯 12月21日,作爲國內智能語音與人工智能產業領導者,科大訊飛在北京國家會議中心召開了以“AI復始,萬物更新”爲主

原创 基於深度學習的自然場景文字識別

1.1引言 傳統光學字符識別主要面向高質量的文檔圖像,此類技術假設輸入圖像背景乾淨、字體簡單且文字排布整齊,在符合要求的情況下能夠達到很高的識別水平。 與文檔文字識別不同,自然場景中的文字識別 -----圖像背景複雜、分辨率低

原创 c++ 指針函數

https://www.cnblogs.com/lvchaoshun/p/7806248.html 一 函數指針介紹   函數指針指向某種特定類型,函數的類型由其參數及返回類型共同決定,與函數名無關。舉例如下: int a

原创 理解 LSTM 網絡

理解 LSTM 網絡 Neil Zhu,簡書ID Not_GOD,University AI 創始人 & Chief Scientist,致力於推進世界人工智能化進程。制定並實施 UAI 中長期增長戰略和目標,帶領團隊快速成長

原创 C++ main 函數 之前執行一段代碼

   我們都知道,一個C++的程序,要先從main函數執行起,這是基本的編程常識,但是我們卻可以在main函數執行之前先來執行一段代碼,這是利用全局變量和構造函數的特性,再有全局變量的時候要先創建全局變量,然後在執行main函數 代碼如

原创 李飛飛等提出新的迭代視覺推理框架,在ADE上實現8.4 %的絕對提升

https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/79787737這篇文章中,我們提出了一個可以同時用於空間和語義推理的生成框架。與現在只依賴於卷積的方法不同,我們的框架可以從

原创 CTC 介紹

[論文]CTC——Connectionist Temporal Classification: Labelling Unsegmented Sequence Data with Recurrent Neural Networks ht

原创 OCR 技術彙總

HOME CATEGORIES ARCHIVES LINKS SEARCH ABOUT ME OCR  Published: 09 Oct 2015  Category: deep_learning

原创 神經網絡中的損失函數

cnn進行前向傳播階段,依次調用每個Layer的Forward函數,得到逐層的輸出,最後一層與目標函數比較得到損失函數,計算誤差更新值,通過反向傳播逐層到達第一層,所有權值在反向傳播結束時一起更新。 loss layer 是CNN