【文件属性】：
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：2021-06-03 16:54:29
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)