UI设计包括界面设计、菜单栏布局、进度条、结果展示和图片展示区域划分几个主要任务。
图像预处理包括图像的灰度化、二值化、反色处理、图形锐化、数字分割、归一化等主要任务。
特征提取为使用不同的特征提取方法,对于预处理过的图像,进行数字特征提取。
图像识别是对于数字图像,将特征提取出的数字矩阵数组,采用不同的识别方法,一个个地识别出他们对应的数字,最终显示在界面。
2025/6/24 19:37:25 206.13MB fisher knn svm recognition
1
基于tensorflow的卷积神经网络数字手写体识别,包括手写体数据集、模型训练和测试代码、训练好的模型,可以直接识别自己制作预处理后的手写体数字。
2025/6/13 11:46:18 51.9MB cnn mnist tensorflow
1
2008年的论文,用BP神经网络实现了离线的脱手写数字的识别,值得借鉴
2025/6/7 5:39:38 1.26MB BP; 手写体数字识别
1
博客:https://blog.csdn.net/weixin_45775701/article/details/109446515
2025/4/7 22:03:35 53.54MB tensorflow mnist python
1
基于神经网络的手写体数字识别,它是用matlab实现的,其中用3种不同的神经的网络方法实现了手写体数字的识别,非常利于初学者的学习和交流。
2025/1/28 18:36:14 83KB matlab 手写体 数字 识别
1
基于概率神经网络的手写体数字识别,简单实用的例程,适合Bp神经网络的学习者使用
2025/1/4 3:58:42 279KB 数字识别
1
使用BP算法的神经网络手写体数字识别,使用Python语言编写,包含四个文件:训练模块,测试模块,图像显示模块还有一个最简单的神经网络模型。
希望对大家有帮助。
(更改了上一版的一点注释错误)
2024/9/24 22:07:17 3KB Python 神经网络 BP算法
1
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
这个案例是基于sklearn机器学习库中的SVM和AdaBoost算法对MINIST数据集中的手写体数字进行识别的。
有需要的朋友可以下载一下,欢迎批评指正,一起进步。
本来想免积分的,但是csdn不让啊。


2024/7/16 4:36:50 178KB HandWritten MINIST SVM AdaBoost
1
资源中包含0到9的手写体数字图片,每种数字图片有1000张左右,都归一化为相同的大小,可以用作与手写体数字识别的训练集
2023/11/22 21:06:09 5.03MB 手写体数字
1
共 19 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