Python自定义数字识别 您可以使用此python脚本在自己的数字上应用一个简单的OCR。 我已经使用OpenCV预处理图像并从图片中提取数字。 使用K最近邻居（或SVM）作为模型-我使用自己的手写数据集对其进行了训练。 我还了免费MNIST数据集，因此您可以尝试不同的数据集如何使用不同的笔迹进行实验。 分析 我尝试仅使用提取的像素作为数据来训练和预测数字，但是即使在流行的分类算法（例如SVM，KNN和Neural Netoworks）上，准确性也太低。 尝试一些自定义阈值后，确实提高了精度。 仅将像素值转换为黑白图像后，我可以达到的最佳精度接近55-60％。 在搜索并阅读了有关从OCR图像中提取特征的信息之后，我偶然发现了 （梯度直方图）。 基本上，它尝试通过捕获有关梯度的信息来捕获区域中结构的形状。 图像梯度只是图像中像素之间的强度变化。 它通过将图像划分为较小的（通常为8x8像

免费口语数据集（FSDD） 一个简单的音频/语音数据集，由8kHz的wav文件中的口头录音组成。 修整录音，使其在开始和结束时几乎保持静音。 FSDD是一个开放的数据集，这意味着它将随着时间的推移随着数据的添加而增长。 为了实现可重复性和准确的引用，使用Zenodo DOI和git tags对数据集进行版本控制。 当前状态 6位演讲者 3,000个录音（每个扬声器每个数字50个） 英语发音 组织 文件以以下格式命名： {digitLabel}_{speakerName}_{index}.wav示例： 7_jackson_32.wav 会费 请贡献您的自制录音。 所有录音应为单声道8kHz wav文件，并进行修剪以使静音降至最低。 不要忘记使用发言人元数据更新metadata.py 要添加数据，请按照acquire_data/say_numbers_prompt.py的记录说明进行a

执行自动数字跨度测试以评估工作记忆功能，尤其是在认知/神经研究中。 希望减少实践影响并消除在研究环境中使用临床评估的需要。 需要 Java 7 或更新版本。 请注意，这是一种研究工具，并非旨在（也未评估）用于临床评估。 最终版本：如果您想要更多功能，请下载源代码并自行破解。 向那些寻求帮助但没有得到回应的人道歉——我丢失了密码，并且多年来无法登录。 这是一个老项目，开始练习，在某些系统上可能有问题； 代码很乱，设计可能在某些方面过于简单。

一款数码字体，类似于电子手表的字体样式，带HTML使用示例。使用时首先要引入DS-DIGIT.TTF字体文件，在HTMLcss样式添加 font-family:electronicFont;便可生效。 好像不兼容IE浏览器，谷歌使用正常

DS-DIGIT.TTF 字体文件-

c代码-check digit wrght by first single digit and first group of five digits and secand group of five digits

kaggle digit-recoginzer 数字识别数据，用于入门的手写数字识别，常用的deep learning，神经网络，机器学习数据集

Digit Recognizer (Kaggle)用于验证的标签数据knn_benchmark.csv

svm算法手写matlab代码预测手写数字 版权（c）2020井上道雄（Michio Inoue） 这是一个学习HTML，JavaScript和WebAssembly的实践小型项目。日本语解说は 通过Geoff McVittie撰写的“使用MATLAB Coder生成JavaScript”版本2.0.2，将MATLAB的经典神经网络实现为WebAssembly的一种形式。 该工具允许您使用MATLAB Coder从MATLAB项目创建JavaScript / WebAssembly库。 您可以在此处找到该工具： 步骤1：画一个数字 步骤2：点击[预测] 请注意，当前版本产生的准确结果非常低。 HTML基于（谢谢！） 去做 文档。 更新预测模型。 当前的网络只有一层隐藏层，并且仅接受了500位图像的训练。 尝试其他算法（例如HOG + SVM）。

Digit Recognizer手写数字识别的MINST数据集：包含三个数据文件 sample_submission.csv，test.csv，train.csv