印刷体数字识别 初步学习 有需要更详尽的可以联系我

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，

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。

这是用MATLAB实现的联机手写数字识别

opencv神经网络ann识别数字 详见http://blog.csdn.net/qq_15947787/article/details/51385861

更新后的，之前的有错误

识别0-9十个数字，BP神经网络数字识别源代码 使用说明 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90%。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。 注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。 具体使用请参照书中说明。