【图像识别】基于模板匹配之手写数字识别系统GUI界面.md

【深度学习入门】Paddle实现手写数字识别（基于DenseNet）0. 闲言碎语：1. MNIST 数据集：2. DenseNet 详解：2.1 ResNet（颠覆性的残差结构）：2.2 DenseNet（跨层链接的极致）：3. 代码： 0. 闲言碎语： OK，因为课程需要就来做了一个手写数字（当初就是这个小项目入的坑hahhh），因为必须在百度的 AI Studio 上进行，所以只能用 Paddle，看了一下 Paddle 的文档，结论是：这不就是 tensorflow + torch 的结合体吗hahhh？所以还是比较容易写这个数字识别的 demo的； 这里就分享一个 Baseline

【手写数字识别】基于支持向量机SVM实现手写数字识别matlab源码含GUI.md

提供手写数字识别代码及训练样本，准确率95%+.平台:VS+OPENCV2.4.9.

Pytorch实现MNIST手写数字识别（全连接神经网络及卷积神经网络）-附件资源

OpenCV+SVM手写数字识别的数据集0~9，每个500张，共5000张。 OpenCV目录下D:\ProgramFile2\opencv\sources\samples\data\digits.png切分成5000张单个手写数字，数字包括0~9

在VS2013环境下开发的手写数字识别系统，用C#代码编写

使用PyTorch实现的对MNIST数据集的分类模型。

用于手写数字识别，官网给的二进制的，我把它转成了hdf5格式，方便使用

手写数字识别与性别识别 源代码+数据集，需要opencv和tensorflow库，win10装tensorflow和opencv教程在我的博客zhaohaowu.blog.csdn.net有