CRF，LSTM，最大后向匹配法实现中文分词

中文分词 本项目为中文分词任务baseline的代码实现,模型包括 BiLSTM-CRF 基于BERT的+ X(softmax / CRF / BiLSTM + CRF) 罗伯塔+ X(softmax

当前中文地址的分词法主要采用基于规则和传统机器学习的方法。这些方法需要人工长期维护词典和提取特征。为避免特征工程和减少人工维护，提出了将长短时记忆（longshort-termmemory，LSTM）

人工智能深度学习，中文分词代码，准确无误。rnn-tutorial-gru-lstm-master分词

基于注意的CNN-LSTM-CRF在中文临床文本中的实体识别

最大概率分词法,这种分词算法能够较好的解决汉语分词中的歧义问题,但分词效率比最大匹配分词算法要低

NULL 博文链接:https://zy3381.iteye.com/blog/1937919

功能很强大的一版crf代码实现，想要深入深入理解crf的童鞋们参考

基于模板匹配法的车型识别系统（opencv,c++）

基于模板匹配法的车型识别系统 opencv c++

EmguCV视觉计算，模板匹配的C#源码例程。平台为最新VS2017+EmguCV3.3。模板匹配，就是在一幅图像中寻找另一幅模板图像最匹配（也就是最相似）的部分的技术。