很好用的手写汉字识别工具。
识别率较高,但是也要求书写尽量的端正。
你知道的,个人写的软件,比不上大公司大神们的程序,像QQ,sougou,咱就先别羡慕,看看我们这个简单的吧。
2025/2/25 17:37:51 1.88MB 手写 汉字 识别
1
使用VS2013+OPENCV2.4.10离线训练及识别手势图片获得识别率
2025/2/25 1:11:28 17.92MB OpenCV HOG SVM 多分类
1
matlab人脸识别率,带有需要的的图片,需要将图片放在D盘根目录下,并将起更名为ORL2即可!
2025/2/22 2:41:43 2.96MB matlab 人脸识别率
1
滑块本地识别源码,只用了精易模块无其他任何模块/支持库识别率速度还可以
2025/2/11 6:13:46 256KB 网络相关源码
1
opencv+java特征点算法demo例子,识别率至少98%以上
2025/1/14 12:05:57 8.72MB opencv
1
针对纸币清分机对人民币编号自动识别,在处理速度和识别率方面的高标准要求,提出了一种基于模板匹配的人民币编号快速识别算法,该算法在图像预处理时,利用改进的滤波法去离散噪声;
在字符识别时,利用数字和字母的水平与竖直交点特征和轮廓对称特征以及加权特征,直接识别定位好的字符。
实验结果表明,该算法具有对硬件资源要求低、识别速度快等优点,可以满足纸币清分机的应用要求。
2024/12/16 15:13:16 204KB 人民币编号 图像识别 算法
1
这是从网上找到的资源,但是却不能运行,经过修改,加入了些自己的解释,已成功运行,得到结果人脸的识别率高达97.5%。
2024/12/7 14:24:26 7.9MB BP神经网络 matlab 人脸识别
1
识别0-9十个数字,BP神经网络数字识别源代码使用说明第一步:训练网络。
使用训练样本进行训练。
(此程序中也可以不训练,因为笔者已经将训练好的网络参数保存起来了,读者使用时可以直接识别)第二步:识别。
首先,打开图像(256色);
再次,进行归一化处理,点击“一次性处理”;
最后,点击“R”或者使用菜单找到相应项来进行识别。
识别的结果显示在屏幕上,同时也输出到文件result.txt中。
该系统的识别率一般情况下为90%。
此外,也可以单独对打开的图片一步一步进行图像预处理工作,但要注意,每一步工作只能执行一遍,而且要按顺序执行。
具体步骤为:“256色位图转为灰度图”-“灰度图二值化”-“去噪”-“倾斜校正”-“分割”-“标准化尺寸”-“紧缩重排”。
注意,待识别的图片要与win.dat和whi.dat位于同一目录,这两文件保存训练后网络的权值参数。
具体使用请参照书中说明。
2024/12/5 8:55:53 60KB BP神经网络
1
使用微软的库,IACore.dll,IALoader.dll,IAWinFX.dll,Microsoft.Ink.dll,Microsoft.Ink.Analysis.dll,在Qt实现手写输入识别文字,识别率很高
2024/11/12 3:23:02 692KB tabble c++
1
一个应用于公交、汽车、车站商场的人头检测程序,检测出人头进出数量。
输入一幅图片,通过计算指定入口区域的HIST结果,判断是否有人进入。
可同时检测2人进入或出去。
一种基于随机Hough变换(RHT)的人头检测方法。
根据人头部轮廓近圆的特征,采用Canny算子提取图像边缘,得到目标轮廓。
利用RHT算法对独立的曲线进行圆检测,并对人头进行标识。
实验结果表明,与现有方法相比,该方法的识别率较高、速度较快、适用范围较广。
2024/11/7 2:39:03 170KB OpenCV 人头
1
共 105 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡