利用计算机自动识别字符的技术,是模式识别应用的一个重要领域。
人们在生产和生活中,要处理大量的文字、报表和文本。
为了减轻人们的劳动,提高处理效率,50年代开始探讨一般文字识别方法,并研制出光学字符识别器。
60年代出现了采用磁性墨水和特殊字体的实用机器。
60年代后期,出现了多种字体和手写体文字识别机,其识别精度和机器性能都基本上能满足要求。
如用于信函分拣的手写体数字识别机和印刷体英文数字识别机。
70年代主要研究文字识别的基本理论和研制高性能的文字识别机,并着重于汉字识别的研究。
2024/8/29 21:49:14 2.08MB C# 文字识别
1
对印刷数字识别。
过程:1对图片进行灰度化二值化.2对图片上的数字进行切割3.制作匹配印刷体数字模板4.平方和最小原则对数字识别配置环境:VS2013+,OPENCV2.4.xx都可以(opencv3不支持,可以配置多版本opencv)注意opencv的配置:如果没有需要先下载。
随后改项目属性:1.VC++目录包含目录:I:\opencv2.413\build\includeI:\opencv2.413\build\include\opencvI:\opencv2.413\build\include\opencv22.库目录:I:\opencv2.413\build\x64\vc14\lib3.链接器-输入-附加依赖项:opencv_core2413d.libopencv_imgproc2413d.libopencv_highgui2413d.lib
2024/8/25 2:46:51 15.2MB 数字识别 opencv
1
CNN识别手写数字,很好的机器学习初心者学习资料,里面包含了MATLAB代码和详细的注释,可以直接运行
2024/8/20 3:10:04 14.03MB CNN 手写识别 数字识别 手写数字识别
1
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 期末作业 深度学习 卷积神经网络
1
OpenCVANN神经网络数字识别http://blog.csdn.net/zwhlxl/article/details/46605507交叉训练,特征维度65,网络层数10正确率1.000000交叉训练,特征维度65,网络层数20正确率1.000000交叉训练,特征维度65,网络层数30正确率1.000000交叉训练,特征维度65,网络层数40正确率0.990000
2024/8/15 5:40:57 20.99MB OpenCV ANN
1
3D MNIST是一个3D数字识别数据,用以识别三维空间中的数字字符,,,3D MNIST是一个3D数字识别数据,用以识别三维空间中的数字字符
2024/8/15 0:37:03 153.94MB 数字
1
卷积神经网络的数字识别训练代码python3.5准确率98%保存模型画板手写测试字体颜色和背景相差大就行字体不能太细有编译代码可以看到数字样本图片
2024/8/14 6:30:24 7KB 机器学习 数字识别 手写测试
1
matlab实现神经网络的数字识别,有训练和识别,和图形界面matlab
2024/7/16 22:49:52 26KB matlab
1
MATLAB实现数字识别,有程序,有注释,还有仿真结果
2024/7/13 5:43:46 3.25MB 数字识别
1
相比tesseract自带eng识别库,此库只包含0-9个数字和小数点,在经过矫正训练后,对数字识别效果不错。
在本人博客中会有训练的图片和识别的图片
1
共 165 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