使用OpenCV和Python的手写数字识别 使用的数据集 对于这个项目，我使用了MNIST数据集。 它可以在Internet上免费获得。 要求 的Python 3 斯克莱恩 OpenCV 3 麻木 Jupyter笔记本 训练SVM模型 SVM_Classifier.ipynb-这是一个ipython笔记本，因此您需要安装jupyter-notebook才能使用此文件。 如果要重新训练模型，请使用此文件。 digits_cls1.pkl-这是一个已保存的SVM模型文件。 使用OpenCV进行数字识别 dig_rec.ipynb-这是一个ipython笔记本，用于使用OpenCV识别图像中的手写数字。此文件使用受过训练的SVM模型digits_cls1.pkl 。 使用OpenCV进行实时数字识别 dig_rec_vid.ipynb-这是一个ipython笔记本，用于使用网络摄像头和O

#ofxLeapGestures 这是一个正在进行中的附加程序，用于使用Leap Motion控制器和手势识别工具包（GRT）训练和识别手势。 我们在动画系统上所做的工作促进了它的发展。 将来，它可能会成为GRT的通用包装，并支持许多其他设备！ 要求 您需要安装 。 不用担心获得GRT，它与该插件捆绑在一起！

FER-面部表情识别 这项工作是为了证明以下问题： : 使用卷积神经网络和OpenCV构建了实时面部检测器和情绪分类器。 CNN模型已经过调整，即使在低端设备上也具有出色的性能。 使用说明 按照进行神经网络训练。 文件结构： FER_CNN.ipynb-训练CNN的教程 FER.py-使用预先训练的模型进行推断 model.json-神经网络架构 weights.h5-训练过的模型权重 安装 建议使用Python虚拟环境。 用于模型预测 pip install -r requirements.txt 要么 pip install opencv-python pip instal

mstar_with_machine_learning 先决条件 该存储库使用python 3.6和scikit-learn API给出了带有机器学习的公共MSTAR数据集上的SAR ATR的示例。 建议直接安装Anaconda 3，它提供了numpy，matplotlib和scipy等常见软件包以及scikit-learn。 说明 该示例支持大多数机器学习方法的实现，包括逻辑回归，神经网络，支持向量机等。 为了减少计算量，它使用主成分分析来减少特征。 数据处理和模型声明分别在data.py和model.py中定义。 当然，您可以添加您自己的操作。

基于matlab的人脸识别源码.zip

【主要内容】圆孔识别源码、机器视觉圆孔识别定位源码、工件识别源码 （源码文件已经压缩可以解压打开） 【适合人群】机器视觉、人工智能 【质量保障】任何问题私信我

MNIST和USPS手写数字识别算法: 朴素贝叶斯和随机森林 bayes-mnist : 多项式朴素贝叶斯和伯努利朴素贝叶斯解决MNIST数据集 bayes-usps : 多项式朴素贝叶斯和伯努利朴素贝叶斯解决USPS数据集 random-forest-mnist : 随机森林解决MNIST数据集 random-forest-usps : 随机森林解决USPS数据集

Android 安卓麻将识别源码Demo APP ！没有源码，下载后是app，安装APP可以开始测试 ，效果非常不错的。如果没有积分点击我头像，联络我，另外源码比较大，联络我。

【毕业设计】手写数字识别系统的设计实现 包括论文、代码。代码是用matlab编写，调用matlab自带的神经网络算法实现。

图像识别：深度学习与图像识别