基于tensorflow的安卓手写数字识别源码及apk文件,使用前请阅读文件说明
手写数字识别是是神经网络学习最基础的一个实验,也是我入门深度学习的第一个实验,这个实验通过经典的minst数据集,对其中的训练数据和测试数据使用cnn网络进行学习和训练最终得到一个良好的准确率之后,把
基于手写体数字特征的识别系统,预先训练了19个模板,获取字体的特征与模板匹配(采用最短距离法),得出识别结果,准确率很高
使用libsvm 实现MNIST数据库手写数字识别,正确率98.14. 包含matlab程序,libsvm库,以及60000张训练数据10000张测试数据
神经网络实现手写数字识别,带数字图片,用MATLAB实现
这是一个用C#实现的手写数字识别的范例程序
可脱机工作,基于SVM和HOG的手写体数字识别。最后用MFC做的可操作界面。
NULL 博文链接:https://rensanning.iteye.com/blog/2382529
手写数字识别系统。图像二值化处理-图像切割-智能化个人手写数字识别。python代码使用SVM,matlab使用CNN。
mnist手写数据集,学习深度学习,机器学习入门者必备的数据集,就跟学习编程语言的Hello,World一样。工具包包括数据集和已经实现的Python代码