利用Python識別圖像中文和英文，Python中有許多好用的庫使得編程變得簡單，圖像文字識別是圖像識別研究領域的一個重點問題，由于背景干擾，字體繁多，中文文語言多種多樣，所以做好識別工作還是十分復雜的，本課程介紹了如何利用OCR庫識別圖像，并通過程序實現了中英文的有效提取，識別準確率很高。代碼和教程會放在附件，希望與大家共同提高。

課程當中詳細介紹了CNN 卷積神經網絡實現圖像識別的代碼，附帶講解了部分原理，評論區有相應的代碼分享，歡迎大家對視頻批評指正。

主要內容包括：視頻課程內容介紹及慎拍不拍說明與參考文獻，循環神經網絡(RNN)算法基本概念、理論及實例步驟，原始流行程序RNN.m詳解及可加可改問題，改進自適應學習率RAdam與新優RNN程序詳解，新優RNN程序可改建議及不同學習率對比與通用模板，股票預測問題用RNN求解與RNN函數關系式寫法，RNN算法對意大利葡萄酒特征數據進行識別分類及圖像識別分類。全部提供MATLAB代碼程序和PPT課件。

大數據分析和人工智能是當下非常熱門的概念，本次直播將介紹優化軟件modeFRONTIER在相應領域中的一些可用工具及其使用方法，包括聚類算法、分類算法、多元相關分析、維數約簡以及機器學習算法庫等，并介紹一些相關的實際工程CAE應用案例，包括大數據分析及機器學習在車輛氣動設計、高級駕駛輔助等領域的應用，最后還將介紹modeFRONTIER軟件原廠商意大利ESTECO公司的一些前沿探索及未來發展趨勢，例如基于CNN（卷積神經網絡）的圖像識別技術在電機設計中的應用

主要內容包括：支持向量機（SVM）基本概念與基本理論，線性分類器及其尋找最好分類面的建模分析，線性不可分及核函數和松弛變量與懲罰因子，支持向量機SVM用于多類分類問題，支持向量機SVM及MATLAB程序實現，基于支持向量機利用圖像屬性分類與程序實現，基于LIBSVM軟件利用圖像屬性分類與程序實現，基于SVM分析意大利葡萄酒多個分類，參數優化及交叉驗證方法與最佳參數計算，支持向量機進行手寫體數字圖像識別分類

主要內容包括：視頻課程內容介紹及慎拍不拍說明與參考文獻，卷積神經網絡(CNN)基本概念、理論推導及算法步驟，圖像卷積與池化運算及MATLAB程序效果，識別合成數字用卷積神經網絡算法與MATLAB自帶函數程序，人臉識別用CNN識別數字自帶程序并作全面研究，GoogLeNet應用于識別狼狗，花朵及轎車等圖像，增強數據及圖像識別分類用自帶函數程序解決，合成數字圖像角度回歸預測及校正問題用自帶函數程序求解，

目前深度學習技術已經在圖像處理、語音識別、自動駕駛等領域有著廣泛的應用。但是在工業設計領域，人工智能以及深度學習等諸多技術還未體現出廣泛的應用價值。 本次直播的目的，是希望通過介紹深度學習的原理、發展歷程以及最新研究的進展。同聽眾一起探討當前這些比較前沿的技術，在我們工業設計研發領域可能有價值的應用。

（33分鐘） 21、KF13_2視頻圖像的球體特征識別方法與MATLAB程序分析（46分鐘，有程序） 22、KF13_3基于KF方法分析自由下落球體視頻圖像問題的主程序分析（68分鐘，有2個程序） 23、KF13_4工程現場視頻中用KF方法分析自由下落球體跟蹤的程序分析（23分鐘，有程序，在線免費觀看） 24、KF14_基于卡爾曼濾波估計電壓的實際值詳解及其程序對比分析（60分鐘，有程序）