手写数字0到9字符集，用于机器学习训练样本，样本丰富，亲测可用

matlab19 基于SVM的手写字体识别

手写数字识别系统的设计实现matlab自带的神经网络算法实现

基于分割思想的手写字体提取论文 论文全名：Handwritten Text Segmentation via End-to-End Learning of Convolutional Neural Networks 感兴趣可以看一下，网络比较简单没什么特别惊艳的结构，但其中损失函数的设计还是很有想法的，可以有效解决样本类别不均衡的问题。

captchas_extract_recongnize 4位字母数字混合的验证码识别（可以扩展识别位数）

文件：python代码 内容：基于 anaconda+keras 框架，在 jupter notebook 中 构建多层感知器，识别MNIST数据集中的手写数字。 亲测可用，同学们可以放心下载。 MNIST数据集 (Mixed National Institute of Standards and Technology database) 是美国国家标准与技术研究院收集整理的大型**手写数字数据库**，包含 6万 个示例的训练集以及 1万 个示例的测试集。MNIST数字文字识别数据集数据量不太多，而且是单色的图像，比较简单，很适合深度学习的初学者用来练习建立模型、训练、预测。 经典的MNIST数据集包含了大量的手写数字。十几年来，来自机器学习、机器视觉、人工智能、深度学习领域的研究员们把这个数据集作为衡量算法的基准之一。你会在很多的会议，期刊的论文中发现这个数据集的身影。实际上，MNIST数据集已经成为算法作者的必测的数据集之一。有人曾调侃道："如果一个算法在MNIST不work, 那么它就根本没法用；而如果它在MNIST上work, 它在其他数据上也可能不work！"

本代码基于MATLAB2020平台搭建多输入单输出手写数字字体识别，B站有视频讲解哦~

此模型用Softmax回归将手写数字分类

现在的许多手写字体识别代码都是基于已有的mnist手写字体数据集进行的，而kaggle需要用到网站上给出的数据集并生成测试集的输出用于提交。这里选择keras搭建卷积网络进行识别，可以直接生成测试集的结果,最终结果识别率大概97%左右的样子。 # -*- coding: utf-8 -*- Created on Tue Jun 6 19:07:10 2017 @author: Administrator from keras.models import Sequential from keras.layers import Dense, Dropout, Activation

文档里面有百度云链接，都是纯图片，不是二进制文件。训练集和测试集都分好了