搜索资源列表
DigitRec
- 数字识别系统源代码: 第一步：训练网络。使用训练样本进行训练 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”－“
digital-recognise
- 数字识别代码 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，而且要按顺序执行。步骤为：“256色位图
WordRecognizeVc++Res
- 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。-first use of the identification procedures, they can run the Release directory of executable files, Then the c
szsbxtydm
- 数字识别系统源代码.rar 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
ImageDigits
- 基于模板的图片识别方式，先训练后识别,非常好用
DigitRec_source
- 此为数字识别系统的源码，该系统的识别率一般为90％。 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
210131182200792016214931175
- 在不同的生物特征识别方法中，人脸识别有其自身特殊的优势，因而在生物识别中有着重要的地位。（1）非侵扰性。人脸识别无需干扰人们的正常行为就能较好地达到识别效果，无需担心被识别者是否愿意将手放在指纹采集设备上，他们的眼睛是否能够对准虹膜扫描装置……只要在摄像机前自然地停留片刻，用户的身份就会被正确识别。（2）采集设备简单，使用快捷。一般来说，常见的摄像头就可以用来进行人脸图像的采集，不需特别复杂的专用设备。采集一般可在数秒内完成。（3）通过人脸识别身份，与人类的习惯一致。也就是说，人和机器都可以使用
JpgDll
- 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。
bp_figure_recogniton
- 是matlab源码，利用bp网络实现0～9数字识别系统，友好的系统界面，包括训练样本和含噪声的数字图片。
HOGadaboost
- 用matla实现的行人检测，使用hog+adaboost的方法，内附程序运行时所需的大量训练及检测图片-Pedestrian Detection with matla achieved, the use of hog+ adaboost the method, enclosing the program is running a lot of training and testing images...
identi
- 识别对象如下：trainset: 训练集合，该集合中从0~9的数字，所有图片大小相同。各个集合中的图像可以在Matlab中用imread函数读取为数组形式，用imshow函数显示出其图像，例如：图像0 (10).bmp可以用A=imread( 0 (10).bmp )读取为数组A，用imshow(A)或imshow( 0 (10).bmp )显示其图像。-Identify objects as follows: trainset: training set, the collection of
kpca
- 使用核PcA来识别图片，图片为200张测试图片，200张训练图片，包含在在压缩文件中。-To identify the use of nuclear PcA picture, pictures, for 200 test images, 200 training images, is included in the compressed file.
Neural-network-recognition-system
- 使用说明 第一步：训练网络。使用训练样本进行训练。 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”－
DigitRec
- 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
PatternRecognition
- 人脸识别 使用k-近邻法分类 区分不同的人 使用K-近邻法实现对指定人脸图片的识别。 训练集和测试集的划分 -Recognition of face in pattern recognition,By KNN space representation theorem
PatternRecognition
- 图象处理 模式识别 多种分类方法(最临近匹配分类器、Bayes分类器、线性函数分类、非线性函数分类、神经网络分类)识别0-9数字 手写数字与数字图片,包括设计训练样品库、可以选择多种分类器来识别识别0-9这十个阿拉伯数字，包括临时手写的数字，也包括图片中的数字 -Pattern recognition image processing a variety of classification (the most close to matching classifier, Bay
Recog
- 用于数字字符识别。包括对含有数字的图片进行二值化，去噪，分隔字符，归一化处理，训练神经网络并识别。-For digital character recognition. Including the number of pictures that contain binary, denoising, separation characters, normalization, and identification of training neural networks.
faces.tar
- 这是我在卡耐基梅隆大学图片数据库下的图片。19*19的数千张包括人脸和非人脸的pgm格式的图片。用来做人脸识别的训练和测试足够了。好资源-This is my picture database at Carnegie Mellon University under the picture. 19* 19 thousands, including face and non-human face of the pgm format. Used for training and testing fac
FilelistGenerator
- 用于CAFFE图片训练集、测试集的生成，可生成文件列表及分类，用于后续处理-Used for CAFFE training set and testing set generated images, can generate the file list and classification, for subsequent processing
c#图片文字识别
- c#基于Tesseract框架和语言训练库的图片文字识别。全工程文件，对仅含文字的清晰的图片，识别率较高！(C# text recognition based on Tesseract framework and language training library. The whole engineering document has a higher recognition rate for clear pictures containing only words!)