使用 YOLO 或其他图像识别技术来识别图像中存在的所有字母数字文本

我有多个图像图,所有这些都包含标签作为字母数字字符,而不仅仅是文本标签本身。我希望我的 YOLO 模型能够识别其中存在的所有数字和字母数字字符。 我如何训练我的 YOLO 模型做同样的事情。数据集可以在这里找到。Https://drive.google.com/open?id= 掐 [https://drive.google.com/open?id=1iEkGcreFaBIJqUdAADDXJbUrSj99bvoi] 例如: 请参见边界框。我想让 YOLO 检测文本存在的任何地方。然而,目前没有必要识别其中的文本。 enter image description here [https://i.stack.imgur.com/kckxb.png] [https://i.stack.imgur.com/kckxb.png] 同样需要为这些类型的图像做enter image description here [https://i.stack.imgur.com/KKsO2.png] [https://i.stack.imgur.com/KKsO2.png] enter image description ……

共3个回答,已解决, 标签: python opencv machine-learning deep-learning yolo
使用拆分表与完全分离表 (CreateML, Swift) 时, 评估精度是不同的

我正在使用 Creatoml 和 Swift 创建一个表格分类模型。我使用的数据集总共有大约300个项目, 大约有13个不同的要素。我尝试了两种方式来测试我的模型, 并取得了惊人的非常不同的结果: 1)从原始完整数据集随机拆分我的培训和评估数据表: let (classifierEvaluationTable, classifierTrainingTable) = classifierTable.randomSplit(by: 0.1, seed: 4) 我玩了一些与1分裂的数字和4种子数, 但结果是到处都: 可能是33% 或80% 的评价准确性在某些情况下。(在这种情况下, 我获得了78% 的训练精度、83% 的验证精度和75% 的评估精度。 2)我手动从原始数据集中获取了10个项目, 并将它们放入新的数据集中进行测试。然后, 我从用于培训的300个项目数据集中删除了这些项目。当我测试这10个项目时, 我得到了96% 的评估精度。(在这种情况下, 我获得了98% 的训练精度、71% 的验证精度和96% 的评估精度。 我想知道为什么会有这么大的不同?哪些阅读应该被视为更现实和可信?对于这两种模型, ……

如何添加在 CNN 差

我正在使用 CNN 训练一个时尚 MNIST 数据。为了过度拟合,我尝试添加 Dropout 层。但它不起作用 在我加入 Dropout 之前,这个模型工作得很好。 时尚模特 () Batch _ size = 64 时代 = 20 Num_classes = 月 Fashion_drop_model = 序列 () Fashion_drop_model.add (Conv2D (32,kernel_size = (月、月) 、活化 = 'linear',填充 'same' =,= input_shape (28,28,月) Fashion_ drop _ model.add (LeakyReLU (alpha = 0.1)) Fashion_ drop _ model.add (MaxPooling2D ((2,2),padding ='s ame')) Fashion_ drop _ model.add (Dropout (0.25)) Fashion_ drop _ model.add (Conv2D (64,(3,3),激活 = “线性”,填充 = “ame”) Fashion_ drop _ ……

共1个回答, 标签: python machine-learning keras
使用 NLTK 生成字典将推文分类为预定义类别

的赏金 [https://stackoverflow.com/help/bounty]5 小时后到期。这个问题的答案有资格获得 + 100 的声誉奖励。 Alvas [/users/610569/alvas]正在寻找一个来自可靠来源的回答. 我有一个 twitter 用户列表 (屏幕名称),我需要将他们分为 7 个预定义的类别 -- 教育、艺术、体育、商业、政治、汽车, 基于 thier 兴趣领域的技术。我已经提取了 Python 中用户的最后 100 条推文,并在清理推文后为每个用户创建了一个语料库。 如前所述Tweet 分类到 (无监督数据/Tweet) 上的多个类别 [https://stackoverflow.com/questions/36875780/tweet-classification-into-multiple-categories-on-unsupervised-data-tweets] : 我正在尝试生成每个类别下的常用单词字典,以便我可以使用它进行分类。 是否有一种方法可以自动为一组自定义单词生成这些字典? 然后我可以用这些来使用 tf-idf 分类器对 twitter 数 ……

共1个回答, 标签: python machine-learning nlp nltk text-classification
请为我解释这个机器学习代码 [关闭]

关闭。这个问题是折-主题 [/help/closed-questions]。它目前不接受答案。 -------------------------------------------------------------------------------- 想改进这个问题吗? 更新问题 [/posts/60559255/edit]所以它日-主题 [/help/on-topic]用于堆栈溢出。 57 分钟前关闭。 它是如何工作的? L = ['年龄','工人','教育','职业','种族','性','资本'。收益,资本。 “损失”,“小时”。 per。周 ',' 土生土长。国家,收入,婚姻。状态 ',' 关系 '] 因为我在 l: Df [i] = la.fit_transform (df [i]) ……

共0个回答, 标签: python machine-learning