人脸活体检测算法重磅升级，支持更多的应用场景，算法精准度更高，准确率高达99%。

使用深度学习的方法进行人脸解锁

使用深度学习的方法进行人脸解锁

可以提高你的图像识别模型准确率的7个技巧

该库采用C及C++ 语言编写，可以在windows,linux,macOSX系统上面运行。该库的所有代码都经过优化，计算效率很高 它的一个目标是提供友好的机器视觉接口函数，从而使得复杂的机器视觉产品可以加速面世。该库包含了横跨工业产品检测、医学图像处理、安防、用户界面、摄像头标定、三维成像、机器视觉等领域的超过500个接口函数。

opencv安装实录附十几行C++实现的一个人脸识别demo

实现人脸美白算法---OpenCV-Python开发指南（59）

实现人脸磨皮算法---OpenCV-Python开发指南（58）

Fisherfaces人脸识别---OpenCV-Python开发指南（44）

EigenFaces人脸识别---OpenCV-Python开发指南（43）

LBPH人脸识别---OpenCV-Python开发指南（42）

人脸检测---OpenCV-Python开发指南（41）

阿里云智能-印刷文字识别OCR-产品介绍

花无从开日，人无再少年，加油！。 今天主要和大家聊一聊，如何使用百度AI实现图像识别的方法，在现实生活中，我们会看到停车场，高速路口有车牌识别。现在很多车牌方案商都有成熟的车牌识别技术，它们是靠这个吃饭的，不会开源。本次文章主要是使用这些方案商的接口来做识别，百度AI的识别效率是非常高的，毕竟让别人花钱的东西是不一样的。

图像搜索（Image Search）以深度学习和机器视觉技术为核心，提取图片内容特征、建立图像搜索引擎，是一款用于图片间相似性检索的平台型产品。用户输入图片，可以快速在图片库中检索到与输入图片相似的图片集合。结合不同的行业和业务场景，图像搜索可广泛的应用于拍照购物、商品推荐、版权保护、图片相似推荐等场景。此片文章简单介绍下图像搜索的开通创建以及使用

快速学习分割抠图功能讲解及演示

快速学习图像识别项目讲解及使用说明

快速学习文字识别项目讲解及使用说明

阿里云文字识别（Optical Character Recognition，OCR）可以将图片中的文字信息转换为可编辑文本，是一款由阿里巴巴达摩院权威AI团队打造的全栈全场景OCR文本识别类产品。根据客户的业务场景和需求，将产品分为了通用文字识别、个人证照识别、票据凭证识别、教育场景识别、车辆物流识别、企业资质识别、小语种文字识别等，满足各种客户的图片识别需求。 由于阿里云视觉智能开放平台和云市场这两个渠道下也具备阿里文字识别服务，一些不熟悉的客户很容易将三者搞混淆，这边简单做下对比。然后再针对个人证照识别下常见的服务-身份证识别功能简单介绍下产品的开通及使用。

快速学习第三节课——【文字识别项目讲解及使用说明】

快速学习第三节课——【文字识别项目讲解及使用说明】

Python实现PD文字识别、提取并写入CSV文件脚本分享

在本文中，我们提出了一种架构，将这种见解提炼成一个简单的连接模式：为了确保网络中各层之间的最大信息流，我们**将所有层（具有匹配的特征图大小）直接相互连接**。为了保持前馈特性，**每一层都从所有前面的层获得额外的输入，并将其自己的特征图传递给所有后续层**。图 1 示意性地说明了这种布局。至关重要的是，与 ResNets 相比，我们在将特征传递到层之前从**不通过求和来组合特征**。相反，我们**通过连接(Concatenate操作)它们来组合特征

ResNetRS是在ResNet-D架构上面的改进

通用识别模型介绍

印刷文字识别算法设计与在线服务

摘 要：文字识别可以把海量非结构化数据转换为结构化数据，从而支撑各种创新的人工智能应用，是计算机视觉研究领域的分支之一，其任务是识别出图像中的文字内容，一般输入来自于文本检测得到的文本框截取出的图像文字区域。近几年来，基于深度学习的文字识别算法模型已取得不错成果，其过程无需进行特征处理且可以实现复杂场景文字识别，效果要优于传统文字识别方法，逐渐成为文字识别研究应用的主流方式。本文将主要介绍基于深度学习的文字识别技术综述，分类总结主流文字识别经典算法，讨论未来文字识别领域发展与研究趋势。

文本识别是OCR（Optical Character Recognition）的一个子任务，其任务为识别一个固定区域的的文本内容。在OCR的两阶段方法里，它接在文本检测后面，将图像信息转换为文字信息。

文本检测任务是找出图像或视频中的文字位置。不同于目标检测任务，目标检测不仅要解决定位问题，还要解决目标分类问题。

总结： 以上第一部分介绍我国OCR发展历程，从过程中可以发现，我国的光学字符识别研究相对国外起步较晚，但是发展十分迅速。从早期简单的单体识别发展到多种字体混合排列的多体识别，从中文印刷材料的识别发展到中英文混排印刷材料的双语言识别， 目前各个系统都可以支持简、繁体汉字的识别，同时支持中， 英，韩等多国文字的识别系统，对于简单版面可以进行效的定量分析，同时汉字识别率已经可以达到98%以上，以下第二部分将从不同字体展开对OCR技术描述。

OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，经过检测暗、亮的模式肯定其形状，而后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并经过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。如何除错或利用辅助信息提升识别正确率，是OCR最重要的课题，ICR（Intelligent Character Recognition）的名词也随之产生。

sklearn是机器学习中一个常用的python第三方模块，里面对一些常用的机器学习方法进行了封装，在进行机器学习任务时，并不需要每个人都实现所有的算法，只需要简单的调用sklearn里的模块就可以实现大多数机器学习任务。

近几年来，CRNN在计算机视觉文本识别领域取得不错成果。CRNN是一种卷积循环神经网络结构，用于解决基于图像的序列识别问题，特别是场景文字识别问题。CRNN网络实现了不定长验证结合CNN和RNN网络结构，使用双向LSTM循环网络进行时序训练，并在最后引入CTC损失函数来实现端对端的不定长序列识别，

实验三 图像分割实验 实验项目名称：图像分割实验 (1) 进一步理解图像的阈值分割方法和边缘检测方法的原理。 (2) 掌握图像基本全局阈值方法和最大类间方差法（otsu法）的原理并编程实现。 (3) 编程实现图像的边缘检测。 编程实现图像阈值分割（基本全局阈值方法和otsu法）和边缘检测。 图像的二值化处理图像分割中的一个主要内容，就是将图像上的点的灰度置为0或255，也就是讲整个图像呈现出明显的黑白效果。用I表示原图，R表示二值化后的图，则二值化的过程可以用以下公式表示： thr表示选取的阈值。二值化的过