2 Repos
Tools designed specifically to recognize and categorize numerical digits in images.
Distinct from Image Classifiers: Specializes in digit recognition rather than general predefined subject labels.
Explore 2 awesome GitHub repositories matching data & databases · Numeric Digit Classifiers. Refine with filters or upvote what's useful.
is-thirteen ist eine Bibliothek zur Zahlenvalidierung und numerischen Gleichheitsprüfung, die entwickelt wurde, um zu verifizieren, ob eine gegebene Eingabe dem Wert dreizehn entspricht. Sie fungiert als Datenklassifizierungstool, das diesen spezifischen Wert über numerische, textuelle und visuelle Eingabeströme hinweg identifiziert. Das Projekt enthält einen bildbasierten Zahlenklassifizierer, der Deep Learning und neuronale Netzwerkanalyse nutzt, um visuelle Repräsentationen der Zahl dreizehn in hochgeladenen Bildern zu erkennen. Die Bibliothek deckt eine Vielzahl von Validierungsmethoden ab, darunter exakte arithmetische Gleichheit, approximative Wertübereinstimmung innerhalb definierter Toleranzbereiche, Parsing wissenschaftlicher Notation sowie linguistisches Pattern-Matching für geschriebene Formen der Zahl.
Provides a deep learning utility to identify if an image depicts the number thirteen.
Diese Bibliothek bietet ein Deep-Learning-Framework für das Training neuronaler Netze zur Spracherkennung und Audioklassifizierung. Sie nutzt Sequence-to-Sequence-Architekturen, um Audio-Inputs variabler Länge in Text- oder numerische Outputs abzubilden, was die Entwicklung benutzerdefinierter Speech-to-Text-Transkriptionsmodelle ermöglicht. Das Projekt zeichnet sich durch integrierte Audioverarbeitungsfunktionen aus, die rohe Wellenformen in Spektrogramme und hochdimensionale numerische Vektoren umwandeln. Diese Werkzeuge erlauben die Extraktion einzigartiger stimmlicher Merkmale zur Identifizierung von Sprechern sowie die Klassifizierung spezifischer Audioquellen und gesprochener Ziffern. Zur Unterstützung der Modellentwicklung enthält die Bibliothek Utilities für Audio-Augmentation und Signalrekonstruktion. Durch die programmatische Modifikation von Audio-Samples zur Simulation diverser akustischer Umgebungen und die Verifizierung der Integrität gelernter Merkmale durch Latent-Space-Rekonstruktion verbessert das System die Robustheit seiner zugrunde liegenden neuronalen Netze.
Maps spectrogram data to specific numerical labels to accurately recognize individual digits spoken by a human voice.