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。
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
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
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。
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
1
对中科大发布的中文语音情感数据库CASIA，提取了MFCC特征，过零率等特征，采用SVM分类，识别率很低，只适合初学者了解语音情感识别过程
2024/10/23 12:08:07
4KB
1
这是基于WIN7X86下的VS2015项目，需要自行安装opencv，该项目自带人脸库，经测试，识别率最高为92.8%
2024/10/19 5:37:38
14.6MB
1
手势识别，基于MATLAB。
提取了一种手势识别的算法，通过皮肤颜色模型将手势分割出来，然后追踪其边缘，再通过傅里叶系统作为特征向量进行识别。
识别率很高的。
手势
提取了一种手势识别的算法，通过皮肤颜色模型将手势分割出来，然后追踪其边缘，再通过傅里叶系统作为特征向量进行识别。
识别率很高的。
手势
2024/10/18 21:43:02
68KB
1
以成都市中心城区人民南路三段为例，进行了实例预测研究。
预测结果为交通拥堵预测的识别率为48%，误判率为16%，结果表明基于速度的拥堵预测模型能够对城市主干道交通状态进行有效的预测分析。
预测结果为交通拥堵预测的识别率为48%，误判率为16%，结果表明基于速度的拥堵预测模型能够对城市主干道交通状态进行有效的预测分析。
2024/10/10 11:43:44
16.13MB
1
Java实现正方教务验证码的识别：该套代码方案将正方教务系统的验证码去除背景上的噪点，再进行二值化处理为黑白图片，最后进行分割图片即可得到字模，使用字模可以实现接近于100％的验证码识别率。
【此验证码识别教程及代码仅供学习使用，不得用于其他用途】博客教程：https://blog.csdn.net/swiftMX/article/details/80726339
【此验证码识别教程及代码仅供学习使用，不得用于其他用途】博客教程：https://blog.csdn.net/swiftMX/article/details/80726339
2024/10/9 9:33:50
11.49MB
1
测试手写识别，识别率还是蛮高的。
train-images-idx3-ubyte.gz:trainingsetimages(9912422bytes)train-labels-idx1-ubyte.gz:trainingsetlabels(28881bytes)t10k-images-idx3-ubyte.gz:testsetimages(1648877bytes)t10k-labels-idx1-ubyte.gz:testsetlabels(4542bytes)
train-images-idx3-ubyte.gz:trainingsetimages(9912422bytes)train-labels-idx1-ubyte.gz:trainingsetlabels(28881bytes)t10k-images-idx3-ubyte.gz:testsetimages(1648877bytes)t10k-labels-idx1-ubyte.gz:testsetlabels(4542bytes)
2024/9/14 4:27:13
11.06MB
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