街道场景的语义分割 1）下载资料 脚步 转到 （需要创建帐户） 下载gtFine_trainvaltest.zip和leftImg8bit_trainvaltest.zip 解压缩并将它们放到同一文件夹中 删除gtfine和leftImg8bit内的test目录，这些注释是虚拟注释。 使用data_folder_format.ipynb从每个城市文件夹中提取原始图像和注释，并将它们组合为一个用于图像的大文件夹和一个用于注释的大文件夹。 2）建立用于图像分割的TFRecords数据集 由于我们正在使用的数据集可能太大而无法容纳到内存中，因此我们需要一种在训练过程中连续从磁盘流式传输数据的方法。 这是使用TensoFlow的tf.data.dataset API完成的，该API需要我们将数据集序列化为.tfrecords文件。 使用dataset_build.ipynb来执行此过程，该

百度UNIT产品的使用手册，详细描述了如何利用ｕｎｉｔ来实现语义理解，非常棒的书

keras实现基于语义理解的自动文摘实现；实现中文文本清洗处理，词向量引入，深度学习实现基于语义理解的中文摘要自动生成。

语义理解/口语理解，项目包含有词法分析：中文分词、词性标注、命名实体识别；口语理解：领域分类、槽填充、意图识别。

云知声“语音+语义”一站式解决方案（安卓版本），内含app key下载直接可用。可以实现语音转文字、文字转语音、理解语言真实意思的功能，内含36个已优化好的生活类服务，

知识图谱在人工智能应用中的重要价值日益突显。百度构建了超大规模的通用知识图谱，并在搜索、推荐、智能交互等多项产品中广泛应用。同时，随着文本、语音、视觉等智能技术的不断深入，知识图谱在复杂知识表示、多模语义理解技术与应用等方面都面临新的挑战与机遇。本文将介绍百度基于知识图谱，从文本到多模态内容的理解技术及应用的最新进展。

一种新的多尺度深度学习图像语义理解方法研究

keras实现基于语义理解的自动文摘实现；实现中文文本清洗处理，词向量引入，深度学习实现基于语义理解的中文摘要自动生成。

APP集成了科大讯飞语义理解、语音合成、语音听写功能类。APP主要包含了智能问答功能和语音控制功能。智能问答功能主要是实现像Siri一样的功能；语音控制功能主要是通过设置控制命令来实现不同输入语音发送不同控制命令。通信手段为蓝牙

讯飞语义理解Demo，博客演示示例源码。