手写数字识别MNIST数据集，内含t10k-images-idx3-ubyte.gz等四个压缩文件以及卷积神经网络识别代码。

本ZIP文件包含了经典的手写数字的bmp数据，共{0,1,2，……，9}10个类，每个类包含500个数据；然后对图片进行二值化处理，采用patch来对每张image提出特征，最后设计神经网络对特征进行训练，并用得到的net来测试TestingSet，经过调解参数，测试精度可以达到95%左右。整个实现过程是基于matlab语言的，code清晰，明了，简单易懂，绝对值得算法爱好者探究。

手写数字识别的几种算法 c 源码 手写数字识别的几种算法 c 源码

手写体数字识别原始数据，0~9数字，32*32，贝叶斯代码实现手写体识别和大致出错率计算，可用于python学习实践。 github免费下载：https://github.com/HeCCXX/CSDNDownloading/raw/main/%E6%89%8B%E5%86%99%E4%BD%93%E6%95%B0%E5%AD%97%E8%AF%86%E5%88%AB%E6%95%B0%E6%8D%AE%E5%92%8C%E8%B4%9D%E5%8F%B6%E6%96%AF%E4%BB%A3%E7%A0%81%E5%AE%9E%E7%8E%B0.zip

利用matlab制作的手写数字识别系统、代码可读性强，结构清晰、GUI运行界面、在Matlab R2014b下编辑完成，有手写版，也可导入图片识别。

多特征 MNIST库 手写数字识别实现（matlab），采用粗网格特征和切割线划分进行学习识别，首先提取MNIST数据库60000个训练样本分别提取出两个特征，然后对10000个测试样本进行测试，计算和两个特征的距离进行判别，matlab 实现

速度比较的快了，很不错的资源，可以识别字母和数字。

针对opencv入门的同学，本程序使用模板匹配的方法，实现了图片中数字的自动识别，包括有划痕和有噪点的图片识别。

lmdb格式的手写数字识别mnist数据集，已经转换成了lmdb格式，直接使用即可。注意：此数据集不是原始格式，是已经转化为lmdb格式的数据集，主要用来进行caffe网络的训练。

数码管数字识别，使用穿线法，检测八段数码管每一小段。OpenCV+VC2013.