单特征 MNIST库 手写数字识别实现（matlab），采用粗网格特征进行学习识别，首先提取MNIST数据库60000个训练样本手进行特征提取，然后对10000个测试样本进行测试，matlab 实现

带界面的手写数字识别程序，Qt开发界面，使用python基于TensorFlow设计手写数字识别算法，并编程实现GUI界面，构建手写数字识别系统。内附有相关开发文档。

数字以逗号分隔，样本以换行分隔，每个样本开头是一个数字x，之后跟着784个数，代表手写数字x的28*28灰度图每点颜色。

基于opencv-SVM算法实现手写数字识别，使用Qt做UI实现手写板，可以实时测试，资源包含源代码和可执行程序（release文件夹下的exe文件可以直接运行测试）

本项目即拿MFC做了一个画板，画一个数字后可自行识别数字。 有保存图片，清空画板功能，简单实用。 识别方法为SVM，调用已经训练好的MNIST数据集"SVM_DATA.xml" 训练方法自行百度，一大堆。。。 基于OpenCv 2.4.6,下载的朋友自行修改配置为自己使用的OpenCv版本即可。

基于selective_search源码对手写数字串进行过滤分割，并基于tensorflow在mnist训练好的模型进行识别。 环境：Windows10 + tensorflow1.2 + python3.5 + cv2 程序： example/demo.py---对手写数字图片的分割，并将每个数字做成28*28的黑底白字图片，保存在本地image_data.npy example/mnist_model.py---对手写体mnist数据集进行训练，训练好后读取数据进行识别 example/camera.py---是调用计算机摄像头获取图片用的，按q退出拍照 selectivesearch/selectivesearch.py---是选择性搜索的源代码 注意：手写数字的图片尽量不要太大（太大会显得数字写的太细，调大数字粗细度），每个数字大小不要差太多，可以在画板上写的一个数字长宽在50像素左右效果不错，其他的没有测试过。

svm手写数字识别

KNN算法使用MNIST数据集、0-1二值图集、自写的数字图片集，做手写数字识别的代码，文件夹分类明确。

该代码 基于深度学习框架Keras 可以一键跑（无需单独下载数据文件） 识别率达到了98%以上

代码主要实现了对手写数字的识别，可通过代码得到识别的错误率，