基于opencv 的OCR小票识别(1)
今天在超市购物的时候，发现一个新的需求，能不能通过拍照识别的方式进行记账，于是开始行动，干起来。-灰度化，去噪，边缘检测算法。进行OCR框架安装和文字识别。
【OpenCV】图像拼接 原理介绍 C++ OpenCV 案例实现
本文以实现图像拼接为目标，把分割开的图像进行拼接还原，核心的内容包括：OpenCV图像拼接相关原理以及OpenCV图像拼接案例的实现
2022搜狐校园NLP算法大赛情感分析第一名方案理解和复现
2022搜狐校园NLP算法大赛情感分析第一名方案理解，代码复现和效果对比
使用Python和OCR进行文档解析的完整代码演示
在本文中将使用Python演示如何解析文档(如pdf)并提取文本，图形，表格等信息。
Opencv学习（1）——图像的基本操作
Opencv学习（1）
解决seaborn.load_dataset()导入数据时报错问题
解决sns.load_dataset()导入数据不成功问题
【MQTT从入门到提高系列 | 06】MQTT3.1.1之SUBSCRIBE订阅工作流
本文描述了MQTT的订阅SUBSCRIBE工作流。
对抗生成网络GAN系列——GAN原理及手写数字生成小案例
其实关于GAN的讲解我早就做过一期，点击☞☞☞了解详情🌱🌱🌱由于最近会用到GAN的一些知识，自己又对GAN进行了一些整理，有了一些新的认识，便写了这篇文章。那么这篇文章和早期的文章有什么区别呢？首先，早期的文章只是对GAN做了一个大概的认识，而这篇文章会贴合论文较为详细的讲解GAN网络；其次，
神经网络加上注意力机制，精度不升反降？
明明人家论文里都证实了显著涨点的，到我这咋就不行了呢？
高斯过程相关研究的新进展的8篇论文推荐（统计 +人工智能）
总结今年5月以来，高斯过程相关研究的新进展
ML：LIME/SP-LIME的简介、原理、使用方法、经典案例之详细攻略
引出LIME—模型需要解释在机器学习应用中，模型的透明度和可解释性，是一种是否值得信任的重要考核标准。模型的what(预测的结果)当然很重要，但是模型whytodo(为什么这样预测)更重要，尤其是模型在上线后，需要及时、准确地告诉业务人员如何营销，告诉风控人员如何识别风险点等等。金融风控领域，在19
OpenCV C++案例实战二十七《角度测量》
本案例通过使用OpenCV中的鼠标点击事件进行物体角度测量。以鼠标点击三点确定一个角度。第一个点即为需要测量角度所在位置点（中心点），第二、三点确定角度。本文使用OpenCVC++进行物体角度测量，主要操作有以下几点。1、利用鼠标响应事件取点，三点确定一个角度2、利用两直线角度公式计算直线角度，注意
数据分析报告这样写，才算真正读懂了数据
专题分析类报告其实就是我们常说的主题性质的报告，这种分析报告通常会以企业某个部门、某条业务线、产品线和事业群等作为分析目标，比如销售业务分析、运营部门发展分析等，选定一个符合业务需求的专题进行分析，有较高的信息增量，能够辅助业务和管理人员对发展规划进行调整。实际上，企业的数据分析工作中，数据分析人员
Ubuntu20.04部署yolov5目标检测算法，开发板/无人机应用
FireFlyRK3588开发板上烧录的Ubuntu20.04系统，在此基础上线部署下简单的Python版本yolov5代码，目前博主已全部转为C++版本了，并且转化了pt模型为rknn模型，调用npu进行推理，效果和速度都比原先Python代码好很多。本篇主要介绍如何部署和运行yolov5目标检测
Keras深度学习实战（14）——从零开始实现R-CNN目标检测
R-CNN 是基于候选区域的经典目标检测算法，其将卷积神经网络引入目标检测领域。本文首先介绍了 R-CNN 模型的核心思想与目标检测流程，然后使用 Keras 从零开始实现了一个基于 R-CNN 的目标检测模型，最后介绍了非极大值抑制用于移除相似的预测边界框。......
图解BERT、ELMo（NLP中的迁移学习）| The Illustrated BERT, ELMo, and co.
2018年是NLP模型发展的转折点。我们不断探索单词和句子的表示方法，以求能最好地捕捉其中潜在的语义和关系。此外，NLP领域已经提出了一些功能强大的组件，你可以免费下载，并在自己的模型和pipeline中使用它们（这被称为NLP领域的ImageNet时刻，类似的发展在几年前也是这么加速计算机视觉领域
图神经网络的可解释性方法介绍和GNNExplainer解释预测的代码示例
深度学习模型的可解释性为其预测提供了人类可以理解的推理。本文将总结图神经网络模型的可解释性方法。
Py之lime：lime库的简介、安装、使用方法之详细攻略
lime库是机器学习领域中，一种局部的、与模型无关的解释方法。这个项目是关于解释机器学习分类器(或模型)正在做什么。目前，我们支持使用一个名为lime(局部可解释模型不可知性解释的简称)的包来解释文本分类器或作用于表(数字或分类数据的numpy数组)或图像的分类器的单个预测。lime可以用两个或两个
Python学习之堆叠柱状图的两种画法
Python学习之堆叠柱状图的两种画法
网络编程-TCP
首先在网络协议中TCP协议是一种面向连接、可靠传输、字节流式的协议，而TCP编程又是基于TCP协议实现的，因此在我们进行TCP编程时，我们需要建立一个服务器端和一个客户端，ServerSocket作为服务器端，用来监听指定的端口，当这个端口进行客户端连接时，服务器端进入等待状态，等待客户端连接，而另
