文件名称：cnn源码matlab-SVHN-deep-digit-detector:自然场景中的深度数字检测器（和识别器）。使用带有tensorflow
文件大小：55.27MB
文件格式：ZIP
更新时间：2024-06-23 10:41:09
系统开源
cnn源码matlab SVHN-deep-cnn-digit-detector 该项目在自然场景中实现了 deep-cnn-detector（和识别器）。 我使用 keras 框架和 opencv 库来构建检测器。 该检测器使用 CNN 分类器为 MSER 算法提出的区域确定数字与否。 先决条件 Python 2.7 keras 1.2.2 opencv 2.4.11 张量流-GPU == 1.0.1 等等。 运行这个项目所需的所有包的列表可以在 . Python环境 我建议您创建和使用独立于您的项目的 anaconda 环境。 您可以按照以下简单步骤为该项目创建 anaconda env。 使用以下命令行创建 anaconda env： $ conda env create -f digit_detector.yml 激活环境$ source activate digit_detector 在这个环境中运行项目 用法 数字检测器的构建过程如下： 0. 下载数据集 下载 train.tar.gz 并解压文件。 1.加载训练样本（1_sample_loader.py） Svhn 以 m
【文件预览】：
SVHN-deep-digit-detector-master
----setup.py(370B)
----2_train.py(2KB)
----detector_model.hdf5(19.57MB)
----digit_detector()
--------__init__.py(0B)
--------file_io.py(4KB)
--------extractor.py(3KB)
--------region_proposal.py(3KB)
--------show.py(3KB)
--------preprocess.py(3KB)
--------_version.py(21B)
--------evaluate.py(3KB)
--------crop.py(1KB)
--------classify.py(1KB)
--------annotation.pyc(1KB)
--------detect.py(5KB)
--------annotation.py(1KB)
--------train.py(3KB)
----build()
--------.gitignore(4B)
----digit_detector.yml(1KB)
----examples()
--------mser.png(162KB)
--------classifier.png(331KB)
----README.md(3KB)
----license(1KB)
----tests()
--------cifar_loader.py(487B)
--------imgs()
----4_evaluate.py(2KB)
----3_detect.py(1KB)
----conf()
--------svhn.json(1KB)
----annotation()
--------train()
--------svhn_json_generator.py(4KB)
--------test()
----recognize_model.hdf5(40.63MB)
----1_sample_loader.py(2KB)