搜索资源列表
digitalsystem
- 这个程序是数字识别系统源代码。因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。-The program is the digital identification system source code. Because the training has kept good network weights, the first use of the identification procedu
DigitRec
- 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为90％ 另外，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
基于神经网络的手写体文字识别系统
- 这是一款用VC++编写的的手写体文字识别系统。通过对文字图片的训练，从而到达对手写体文字的识别效果。
DigitRec
- 其中源代码是识别程序的，另一个是矩阵类库的。 已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多-One source is to identify the program, the other is the matrix clas
DigitalIdentification
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。-Catalog
changebmp
- 将jpg png 图片转换为bmp格式，并且保存 重命名 统一大小的图片。工具主要用于作为训练人脸人手识别图片资源整理。 使用方法为在可执行程序下有pic目录 用于放置需要转换的图片，点击转换后，在bmp下有转换为bmp的图片，点击统一大小，在smallpic目录下会有统一50*50的大小的bmp，点击rename 将smallpic下所有的bmp重新整理命名，在rename目录下-Jpg png, image conversion to bmp format, and save renam
07856234OCR(VCPP)
- 该系统的识别率一般为90 ，另外，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。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”，另外注意，要识别的图片，要与win.dat、whi.dat位于同一目录。此两文件保存训练后网络的权值参数-The system s recognition rate is 90 , also can be used alone to open the pic
FaceDetection
- 标准人脸识别源代码，经VS2005测试可用，程序采用opencv自带的训练库来进行人脸识别，不需要自己单独再去添加人脸图片训练代码-Standard face recognition source code, the VS2005 test is available, the program comes with training using opencv library for face recognition, do not need to add a face to go alone pi
mnist实验
- 包含训练用的图片数据包，python源代码，mnist实验，深度学习，进行图片分类(mnist experiment.python code.deep learning.picture classification,etc.)