对中科大发布的中文语音情感数据库CASIA，提取了MFCC特征，过零率等特征，采用SVM分类，识别率很低，只适合初学者了解语音情感识别过程
2024/10/23 12:08:07
4KB
1
这是基于WIN7X86下的VS2015项目，需要自行安装opencv，该项目自带人脸库，经测试，识别率最高为92.8%
2024/10/19 5:37:38
14.6MB
1
手势识别，基于MATLAB。
提取了一种手势识别的算法，通过皮肤颜色模型将手势分割出来，然后追踪其边缘，再通过傅里叶系统作为特征向量进行识别。
识别率很高的。
手势
提取了一种手势识别的算法，通过皮肤颜色模型将手势分割出来，然后追踪其边缘，再通过傅里叶系统作为特征向量进行识别。
识别率很高的。
手势
2024/10/18 21:43:02
68KB
1
以成都市中心城区人民南路三段为例，进行了实例预测研究。
预测结果为交通拥堵预测的识别率为48%，误判率为16%，结果表明基于速度的拥堵预测模型能够对城市主干道交通状态进行有效的预测分析。
预测结果为交通拥堵预测的识别率为48%，误判率为16%，结果表明基于速度的拥堵预测模型能够对城市主干道交通状态进行有效的预测分析。
2024/10/10 11:43:44
16.13MB
1
Java实现正方教务验证码的识别：该套代码方案将正方教务系统的验证码去除背景上的噪点，再进行二值化处理为黑白图片，最后进行分割图片即可得到字模，使用字模可以实现接近于100％的验证码识别率。
【此验证码识别教程及代码仅供学习使用，不得用于其他用途】博客教程：https://blog.csdn.net/swiftMX/article/details/80726339
【此验证码识别教程及代码仅供学习使用，不得用于其他用途】博客教程：https://blog.csdn.net/swiftMX/article/details/80726339
2024/10/9 9:33:50
11.49MB
1
测试手写识别，识别率还是蛮高的。
train-images-idx3-ubyte.gz:trainingsetimages(9912422bytes)train-labels-idx1-ubyte.gz:trainingsetlabels(28881bytes)t10k-images-idx3-ubyte.gz:testsetimages(1648877bytes)t10k-labels-idx1-ubyte.gz:testsetlabels(4542bytes)
train-images-idx3-ubyte.gz:trainingsetimages(9912422bytes)train-labels-idx1-ubyte.gz:trainingsetlabels(28881bytes)t10k-images-idx3-ubyte.gz:testsetimages(1648877bytes)t10k-labels-idx1-ubyte.gz:testsetlabels(4542bytes)
2024/9/14 4:27:13
11.06MB
1
Delphi7应用微软SpeechSDK5.4（SAPI5.4）语音开发包开发语音朗读与语音识别功能。
语音朗读支持鼠标选择文字朗读，也支持朗读word文件内容；
语音识别功能已实现，但识别率目前不高。
语音朗读支持鼠标选择文字朗读，也支持朗读word文件内容；
语音识别功能已实现，但识别率目前不高。
2024/8/12 15:07:01
236KB
1
tesseract-ocr中文简体字库,tesseract-ocr作为一款开源、免费的OCR引擎，能够支持中文十分难得。
虽然其识别效果不是很理想，但是对于要求不高的中小型项目来说，已经足够用了。
如果想提高中文的识别率可以运用jTessBoxEditor进行有针对性的训练，本资源包含了格式转换器以及训练时候遇到的问题解决心得。
虽然其识别效果不是很理想，但是对于要求不高的中小型项目来说，已经足够用了。
如果想提高中文的识别率可以运用jTessBoxEditor进行有针对性的训练，本资源包含了格式转换器以及训练时候遇到的问题解决心得。
2024/8/6 5:07:21
60.02MB
1
乳腺癌病理图像的自动分类具有重要的临床应用价值。
基于人工提取特征的分类算法，存在需要专业领域知识、耗时费力、提取高质量特征困难等问题。
为此，采用一种改进的深度卷积神经网络模型，实现了乳腺癌病理图像的自动分类;同时，利用数据增强和迁移学习方法，有效避免了深度学习模型受样本量限制时易出现的过拟合问题。
实验结果表明，该方法的识别率可达到91%，且具有较好的鲁棒性和泛化性
基于人工提取特征的分类算法，存在需要专业领域知识、耗时费力、提取高质量特征困难等问题。
为此，采用一种改进的深度卷积神经网络模型，实现了乳腺癌病理图像的自动分类;同时，利用数据增强和迁移学习方法，有效避免了深度学习模型受样本量限制时易出现的过拟合问题。
实验结果表明，该方法的识别率可达到91%，且具有较好的鲁棒性和泛化性
2024/8/3 5:11:41
632KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB