openpose1.5.1(2019年)中训练好的身体数据。
openpose中的批处理文件下载速度极慢,且容易中断。
下载后将此文件解压放在openpose根目录下的\models\pose\body_25文件夹中。
2023/8/16 21:10:56 93.67MB openpose1.5.1 pose estimate
1
代码是利用pytorch框架实现的,识别过程是利用循环神经网络RNN进行训练。
2023/8/16 15:11:46 3KB pytorc MNIST RNN
1
免费下载,无需积分或c币
2023/8/16 8:41:35 144.14MB yolo 目标检测 预训练权重 深度学习
1
车牌识别训练代码
2023/8/16 7:48:24 527KB 车牌
1
机器学习金融数据分类(-1负面,1中性,2正面)数据已整理好,有测试集,验证集,训练集。
数据拿到可用,预处理已做好
2023/8/16 7:12:06 12.41MB 机器学习 金融数据 分类
1
本文档介绍Sphinx4在Windows下的中文训练过程及注意事项,与本文档配套的是我自己的训练实例bergtrain和用到的软件。
本文档编写日期2013-04-231、为什么要训练?sphinx4目前的版本中仅提供了英文等语音识别库。
中文的库是PTM或semi类型的,在java版sphinx中无法使用。
2、Sphinx的训练指哪些内容?在Sphinx中有语言模型、声学模型等概念,如果你不想了解这些,请参考以下内容:a1、中文每个字的标准发音已经有一个较为全面的文件进行了标注这个文件就是zh_broadcastnews_utf8.dic(下称这类文件为发音字典),在sphinx网站上可以下载,我们也包含了它。
下面是该文件的片断,它用类似拼音的方式标注了每个字或词的发音。
昌chang昌北changbei昌必changbi昌都changdu昌赫changhea2、需要告诉sphinx我们经常使用的字、词是哪些,它们出现的频率如何由于开放式语音识别尚难实现,所以sphinx实际上只能较好的处理相对小的语言集合。
因此,针对特定的领域,告诉sphinx该领域的词汇和各词出现的频率将极大提高识别率。
a3、需要告诉sphinx每个字、词的真正读音发音字典告诉sphinx每个字的标准读音,但面对的说话人往往不会以标准读音来朗读。
因此sphinx需要学习说话人的“口音”。
如果训练时的读者发音比较标准,则sphinx能“举一反三”,识别其他不那么标准的读者的语音。
推荐的做法是训练一些典型的口音:标准男、女声,童音,最后再考虑特定用户的口音。
3、如何准备训练内容所需的原料?需要准备两大内容:1)文本语料文件,2)语料录音文件。
文本语料文件给出2.a2中需要的内容,在bergtrain的etc文件下的berginput.txt文件就是一个预料文件。
它以行为单位,给出了150个中文句子。
语料录音文件是根据文本语料文件,朗读它的每行/句话,保存到每一个语音文件即可。
语料文件中的语句应该尽量选择领域相关的,在覆盖领域内名词的前提下,覆盖尽可能多的通用词汇。
4、训练环境及注意事项本文的训练软硬件如下:硬件:T60P笔记本,机器自带录音设备;
操作系统为Win732位。
软件:Sphinx cmuclmtk-0.7-win32.zip pocketsphinx-0.8-win32.zip sphinxbase-0.8-win32.zip sphinxtrain-1.0.8-win32.zip sphinx4-1.0beta6-bin.zip,用于编写java版的识别软件所需的库 脚本执行软件 ActivePerl-5.16.3.1603-MSWin32-x86-296746.msi ActivePython-2.7.2.5-win32-x86.msi 录音和处理软件 audacity-win-2.0.3rc1.zip,可进行录音和声音文件处理(如降噪),免费软件 FairStars.zip,可进行批量录音(V3.5绿色版) 文本编辑软件UltraEdit,UltraEdit-32.rar绿色版注意: 文件格式 语料文件必须使用UltraEdit进行编辑, 在编辑后,使用文件-转换-ASCII转UTF-8(UNICODE编辑),指定文件中的中文使用utf8编码。
在保存前,设置格式如下: 换行符:UNIX终束符-LF 指定文件中的回车/换行符为编码0A的换行符 格式:UTF-8-无BOM 每个文件的末尾必须有一个回车! 这个回车将在保存时被替换为编码0A的换行符,训练脚本需要这个符号来确认文件的结束。
录音文件 如果你不希望去编辑训练中的配置文件,则在使用FairStars录音时作如下设定: 进入菜单和对话框选项-显示录音选项-编码-WMA, 设定:采样率(16000Hz)、通道(单声道)、比特率(16Kbps)5、训练步骤下面逐步从零开始进行训练5.1软件环境的安装将本文档所在的文件夹解压或拷贝到d:\,即本文档路径是d:\sphinxtrain\Sphinx中文训练教程.txt1)点击安装ActivePerl-5.16.3.1603-MSWin32-x86-296746.msi和ActivePython-2.7.2.5-win32-x86.msi;
2)解压Sphinx中除sphinx4-1.0beta6-bin.zip外的压缩文件到d:\sphinxtrain下
2023/8/14 6:38:31 53.17MB sphinx 中文 语音 训练
1
pytorch中的基础预训练模型和数据集(MNIST,SVHN,CIFAR10,CIFAR100,STL10,AlexNet,VGG16,VGG19,ResNet,Inception,SqueezeNet)
2023/8/13 20:09:31 38KB Python开发-机器学习
1
目录第1章UML类图实训1.1知识讲解1.1.1UML概述1.1.2类与类的UML表示1.1.3类之间的关系1.2实训实例1.2.1类图实例之图书管理系统1.2.2类图实例之商场会员管理系统1.3实训练习第2章面向对象设计原则实训2.1知识讲解2.1.1面向对象设计原则概述2.1.2单一职责原则2.1.3开闭原则2.1.4里氏代换原则2.1.5依赖倒转原则2.1.6接口隔离原则2.1.7合成复用原则2.1.8迪米特法则2.2实训实例2.2.1单一职责原则实例分析2.2.2开闭原则实例分析2.2.3里氏代换原则实例分析2.2.4依赖倒转原则实例分析2.2.5接口隔离原则实例分析2.2.6合成复用原则实例分析2.2.7迪米特法则实例分析2.3实训练习第3章创建型模式实训3.1知识讲解3.1.1设计模式3.1.2创建型模式概述3.1.3简单工厂模式3.1.4工厂方法模式3.1.5抽象工厂模式3.1.6建造者模式3.1.7原型模式3.1.8单例模式3.2实训实例3.2.1简单工厂模式实例之图形工厂3.2.2工厂方法模式实例之日志记录器3.2.3抽象工厂模式实例之数据库操作工厂3.2.4建造者模式实例之游戏人物角色3.2.5原型模式实例之快速创建工作周报3.2.6单例模式实例之多文档窗口3.3实训练习第4章结构型模式实训4.1知识讲解4.1.1结构型模式概述4.1.2适配器模式4.1.3桥接模式4.1.4组合模式4.1.5装饰模式4.1.6外观模式4.1.7享元模式4.1.8代理模式4.2实训实例4.2.1适配器模式实例之算法适配4.2.2桥接模式实例之跨平台视频播放器4.2.3组合模式实例之杀毒软件4.2.4装饰模式实例之界面显示构件库4.2.5外观模式实例之文件加密4.2.6享元模式实例之围棋棋子4.2.7代理模式实例之日志记录代理4.3实训练习第5章行为型模式实训5.1知识讲解5.1.1行为型模式概述5.1.2职责链模式5.1.3命令模式5.1.4解释器模式5.1.5迭代器模式5.1.6中介者模式5.1.7备忘录模式5.1.8观察者模式5.1.9状态模式5.1.10策略模式5.1.11模板方法模式5.1.12访问者模式5.2实训实例5.2.1职责链模式实例之在线文档帮助系统5.2.2命令模式实例之公告板系统5.2.3解释器模式实例之机器人控制程序5.2.4迭代器模式实例之商品名称遍历5.2.5中介者模式实例之温度转换器5.2.6备忘录模式实例之游戏恢复点设置5.2.7观察者模式实例之股票变化5.2.8状态模式实例之银行账户5.2.9策略模式实例之电影票打折5.2.10模板方法模式实例之数据库操作5.2.11访问者模式实例之奖励审批5.3实训练习第6章模式联用与综合实例实训6.1设计模式补充知识6.1.1反射与配置文件6.1.2GRASP模式6.1.3架构模式与MVC6.2模式联用实训6.2.1适配器模式与桥接模式联用6.2.2组合模式与命令模式联用6.2.3外观模式与单例模式联用6.2.4原型模式与备忘录模式联用6.2.5观察者模式与组合模式联用6.2.6访问者模式、组合模式与迭代器模式联用6.3综合实例实训6.3.1多人联机射击游戏6.3.2数据库同步系统6.4实训练习附录A参考答案A.1第1章实训练习参考答案A.2第2章实训练习参考答案A.3第3章实训练习参考答案A.4第4章实训练习参考答案A.5第5章实训练习参考答案A.6第6章实训练习参考答案参考文献
2023/8/13 15:25:23 32.93MB 设计模式 UML
1
PCA实现图像分类,论文+代码+测试/训练样品,华工出品,必属精品。
2023/8/13 12:14:56 1.27MB PCA分类器 机器学习
1
linux下人脸识别算法,完整个的软件,基于QT,可以识别人脸,需要先训练,然后再识别,识别率虽然不是太高,但是完全是可以用的,功能强大。
2023/8/13 4:10:28 790KB linux 人脸识别 算法 检测
1
共 1000 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡