搜索资源列表
Demo-Mnist
- 基于神经网络的手写数字识别的源代码，绝对能够正常编译并运行！-based on neural network handwritten numeral recognition of the source code is absolutely normal to compile and run!
kNN
- 针对MNIST数据库，但修改方便，可用于其他数字识别
Database-digit-handwritten
- 手写体数字识别的训练数据库（MNIST）。 收集了500多位实验者的共60000个样本。-THE MNIST DATABASE of handwritten digits Four files are available on this site: train-images-idx3-ubyte.gz: training set images (9912422 bytes) train-labels-idx1-ubyte.gz: training set label
123MNISTTrain
- 手写数字训练识别，基于MNIST库进行训练识别，6W个训练样本，识别率95 以上-Handwritten numeral recognition training, training on MNIST library identification, 6W training samples, the recognition rate of 95 or more
main
- 利用opencv识别手写数字的分类，并识别，利用了mnist数据库-Using opencv recognize handwritten digits classification and identification, the use of mnist database
Release
- 闲时无聊，搭了一个基于深度神经网络的手写数字识别系统。该系统在手写数字数据库mnist测试达到了99.22 的准确率。整个系统基于C++开发，可以很方便的移植到其他平台。 其中手写数字数据库mnist（http://yann.lecun.com/exdb/mnist/），有60000个训练样本数据集和10000个测试用例。它是由Google实验室的Corinna Cortes和纽约大学柯朗研究所的Yann LeCun建立的一个手写数字数据库。同时它是nist数据库的一个子集。
SvmMNIST
- 通过SVM算法识别MNIST手写数字库，并加入了一些预处理算法，包括数字图像的大小调整归一化等，效果不错。-By SVM algorithm identifies MNIST handwritten digital library and added some preprocessing algorithms, including the size of the digital image adjustment normalized so good results.
stacking
- kaggle digitrecognizer MNIST by stacking some machine learning method, such like GBM(Gradient Boosting Method), LR, Extra Randomized Trees, Random Forest,KNN,etc.用stacking的方法实现手写数字识别MNIST。(kaggle digitrecognizer MNIST by stacking some machine learnin
input_data
- mnist数据集的导入文件，官网上有可能进不去(def maybe_download(filename, work_directory): """Download the data from Yann's website, unless it's already here.""")
基于深度学习的手写数字体识别
- 基于深度学习的手写数字体识别，以卷积神经网络（CNN）作为网络模型，利用mnist手写数字训练数据集训练手写数字识别模型，搭建手写数字识别系统，并用自己手写的数字照片进行测试。