基于tensorflow和pycharm实现基于卷积神经网络的手写字体识别系统，并上传制作好的课程文件，以供大家直接使用，代码亲测可用
2024/8/16 22:04:18
1020KB
1
mnist手写数字png-label测试和训练数据集；
将ubyte文件转存为png将label存入txt。
压缩包内有train和test两个文件夹。
里面的内容是手写数字的图片和最后有一个label的txt。
方便用matlab等做算法的人
将ubyte文件转存为png将label存入txt。
压缩包内有train和test两个文件夹。
里面的内容是手写数字的图片和最后有一个label的txt。
方便用matlab等做算法的人
2024/8/10 10:09:50
28.03MB
1
基于最小错误率的贝叶斯手写数字分类器，包括注释，很详尽，是自己按照定义写的，训练集和测试集是用的mnist数据集，最终正确率为73.89%
2024/8/5 19:45:27
294KB
1
MNIST数据集介绍：MNIST是一个手写数字数据库，它有60000个训练样本集和10000个测试样本集。
它是NIST数据库的一个子集。
它是NIST数据库的一个子集。
2024/7/29 1:33:32
11.06MB
1
实现了基于opencv的手写数字字符识别主要参照文章：http://blog.damiles.com/2008/11/basic-ocr-in-opencv/基本上就是按着人家的代码来配置的，完后小改动了几个参数，写了一个文档，方便大家学习吧。
2024/7/23 7:05:41
24.49MB
1
Python3实现KNN的三个例子（包含数据集），水果分类，识别手写数字，找相似的朋友
2024/6/29 17:25:27
1MB
1
基于selective_search源码对手写数字串进行过滤分割，并基于tensorflow在mnist训练好的模型进行识别。
环境：Windows10+tensorflow1.2+python3.5+cv2程序： example/demo.py---对手写数字图片的分割，并将每个数字做成28*28的黑底白字图片，保存在本地image_data.npy example/mnist_model.py---对手写体mnist数据集进行训练，训练好后读取数据进行识别 example/camera.py---是调用计算机摄像头获取图片用的，按q退出拍照 selectivesearch/selectivesearch.py---是选择性搜索的源代码注意：手写数字的图片尽量不要太大（太大会显得数字写的太细，调大数字粗细度），每个数字大小不要差太多，可以在画板上写的一个数字长宽在50像素左右效果不错，其他的没有测试过。
环境：Windows10+tensorflow1.2+python3.5+cv2程序： example/demo.py---对手写数字图片的分割，并将每个数字做成28*28的黑底白字图片，保存在本地image_data.npy example/mnist_model.py---对手写体mnist数据集进行训练，训练好后读取数据进行识别 example/camera.py---是调用计算机摄像头获取图片用的，按q退出拍照 selectivesearch/selectivesearch.py---是选择性搜索的源代码注意：手写数字的图片尽量不要太大（太大会显得数字写的太细，调大数字粗细度），每个数字大小不要差太多，可以在画板上写的一个数字长宽在50像素左右效果不错，其他的没有测试过。
2024/6/2 10:30:06
49KB
1
基于K-近邻算法研究手写数字（0-9）的识别问题，本文通过对手写数字的图像进行处理，提取特征向量，使用Python实现了K-近邻算法，并在此基础上开发了一个GUI测试程序。
2024/5/27 0:13:34
88KB
1
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