赖勇浩这是我读工程硕士的时候完成课程作业时做的，放在 dropbox 的角落中生尘已经有若干年头了，最近 @shugelee 同学突然来了兴致搞验证码识别，问到我的时候我记起自己做过一点点东西，特发上来给他参考，并趁机补充了一下《Python也可以》系列。图像预处理 使用下图（后方称为 SAMPLE_BMP）作为训练和测试数据来源，下文将讲述如何将图像转换为训练数据。 灰度化和二值化 在字符识别
手写体识别问题可以追溯到20世纪20年代，当时提出了统计方法可能是最佳的选择，手写体的识别在生活中会有很多的地方应用，例如：邮局里信件堆积如山，因此需要借助自动化手段识别邮政编码，实现自动化和高效地分拣邮件。实现手写体识别也有其他的方法，比如使用OCR（光学字符识别），通过将手写文档读入，然后识别文字后生成电子文档，但是这种识别的效率不高，但是如果将OCR结合着大数据和机器学习肯定会将准确率达到一
转载
2024-01-06 08:43:49
63阅读
# PYthon BP算法手写字识别实现指南
## 引言
在本文中，我将向你介绍如何使用Python编写一个基于BP算法的手写字识别程序。无论你是否有编程经验，我会按照简单明了的步骤来指导你完成整个实现过程。在开始之前，请确保你已经安装好了Python的开发环境，并且对Python的基本语法有一定的了解。
## 算法步骤
下面是整个实现过程的步骤，我们将使用一个表格来展示每个步骤的内容和对应
原创
2024-01-25 12:43:06
87阅读
一、原理手写数字识别，或者说图像识别的本质就是把如下图所示的一张图片转换成计算机能够处理的数字形式。1、图像二值化将图片格式的数字4转换成由0和1组成的“新的数字4”。这是一个32×32的矩阵，数字1代表有颜色的地方，数字0代表无颜色的地方，这样就完成了手写数字识别的第一步也是最关键的一步：将图片转换为计算机能识别的内容——数字0和1，这个步骤又称为图像二值化。2、二维数组转换为一维数组经过图像二
转载
2023-10-15 13:35:15
557阅读
手写数字识别算法之kNN1、k-近邻算法 ①原理：存在一个样本数据集合，也称作训练样本集，并且样本集中每一个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每一个特征进行比较；然后算法提取样本集中特征最相近数据（最邻近）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-邻近算法中k的出处。通常k是不大于20的整数。最后选
转载
2023-11-28 12:16:18
192阅读
TensorFlow实现：基于TensorFlow构建CNN识别MNIST数字一、前言本文通过Python构建CNN（卷积神经网络）体系，对mnist（手写数字图片）进行识别，手写数字是从0到9，数据分为60000条训练集，10000条测试集。二、卷积神经网络搭建卷积神经网路与普通神经网络，最大的区别是其主要以卷积层和池化层为主，而普通神经网络主要以全连接层为主。卷积层和池化层不仅学习到数据的空间
转载
2023-07-31 00:44:07
282阅读
识别方法一：基于结构模式——脱机识别例子：基于基元和七段式数字的手写数字识别日常生活中经常可以看到用七段式数字表示数字，如电子手表的数字显示等。它用火柴棍拼图的方式能够简单有效的表示出0~9，10个阿拉伯数字。例子：基于三次样条和整体特征的脱机数字识别基本思想：人在识别一个数字字符时，只需要简单观察字符是否有环，有几个环，再观察字符整体的凹凸形状，借此就可以识别数字字符。特征提取：用三次样条分别插
转载
2023-12-21 05:44:57
152阅读
1引言什么叫人工神经网络？经典定义：神经网络是由具有适应性的简单单元组成的广泛并行互连网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应”[Kohonen,1988]。但是这种比较高端的说法在一段时间里让我无法理解为什么神经网络能够起作用。比如在使用最小二乘法将数据拟合直线的时候，需要使用某种方法将实际值和预测值之间的偏差尽可能小。其实BP神经网络也就是做了类似的事情——使偏差尽可能
原创
2021-03-23 20:42:44
1478阅读
一、问题描述手写数字被存储在EXCEL表格中，行表示一个数字的标签和该数字的像素值，有多少行就有多少个样本。 一共42000个样本二、KNNKNN最邻近规则，主要应用领域是对未知事物的识别，即判断未知事物属于哪一类，判断思想是，基于欧几里得定理，判断未知事物的特征和哪一类已知事物的的特征最接近；K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较
转载
2024-04-04 18:58:14
166阅读
参考博客：《参考博客一》《参考博客二》《MNIST代码理解》所需环境：已安装opencv环境下载好MNIST数据集pycharm一些库的安装实现效果： 这是手写的两个字，进行opencv二值化处理后，得到两张28*28像素的图片，即可进
转载
2023-09-06 18:37:17
338阅读
前言使用opencv，进行简单的数字识别注意：此案例中的数字识别仅当做学习参考，想要真正实现数字识别，实际情况复杂很多思路①图片预处理，将图片转灰度后再二值化，使其变成白字黑底②查找外接矩形，找到原图中数字的最外层轮廓，根据最外层轮廓找到外接矩形③模板匹配，以外接矩形为ROI区域，截取数字区域，与模板进行匹配④输出结果具体步骤首先读入一张原图，备份（后面需要用），将其转灰度，然后二值化，再备份（后
转载
2023-07-04 12:55:19
211阅读
1.准备数据手写数字识别的特征集是一组数值为0-9,大小为 28 * 28 矩阵的图片, 标签为与之对应的数字:2.将数据格式化为 npz 文件"""
将图片和标签整理为 npz 文件
"""
import numpy as np
import os
from PIL import Image
import json
# 读取图片
# 存到 npz 文件中的为 28 *28 的矩阵列表
tr
转载
2023-10-13 12:32:58
321阅读
目录 手写数字识别 1 一、实验目的 1 二、实验过程与结果 1获取MNIST数据 1构建BP神经网络 2训练构建的BP神经网络 3测试BP网络 4 三、结果分析与实验结论 6 四、收获、体会及建议 6 由测试结果可以发现，模型基本上可以准确识别大部分的手写数字，只有个别的数字由于特征不是非常明显甚至兼有其他数字的特征，因此被错误识别。总的来说，模型的训练效果还是不错的。 三、结果分析与实验结论
转载
2023-12-08 18:51:38
86阅读
（作者：陈玓玏）因为比较好奇不同神经网络的效果差异，分别使用卷积神经网络、浅层神经网络、深度神经网络来识别手写体，以下给出三种方法的代码：一、浅层神经网络识别手写体# -*- coding: utf-8 -*-
"""
Created on Fri Dec 21 09:10:26 2018
@author: chendile
"""
#无论是卷积神经网络还是深度神经网络，构建一个模型无非以下几个
转载
2023-11-27 10:12:17
181阅读
kNN算法及手写数字识别系统（一）kNN算法概述（二）原理（三）代码1. 使用Python导入数据2. 实施kNN分类算法2.1 伪代码：对未知类别属性的数据集中的每个点依次执行以下操作：2.2 程序实现3.预测数据所在分类4.分析（四）手写数字识别系统实验1. 实验概述2. 实验内容3. 代码3.1 准备数据：将图像转换为测试向量3.2 测试kNN算法（五）总结 （一）kNN算法概述1.k邻近
转载
2024-05-21 11:11:06
91阅读
学习机器学习也有段时间了，借《机器学习 实战》的第一篇中的例子来记录下自己的学习过程吧，《实战》中的第一讲即是利用k近邻分类器进行手写体的识别，原理很简单，由于手写体的数字已经被处理成用01表示的文本，如图所示 在进行识别的时候，把要识别的文本转化成一个32*32的矩阵，为了方便计算，又将该矩阵转化为一个1024维的向量，然后将该向量与训练的样本相减求模，选择模最小的几
转载
2023-12-27 17:14:27
63阅读
BP神经网络理解原理——用Python编程实现识别手写数字 备注，这里可以用这个方法在中编辑公式： https://www.zybuluo/codeep/note/163962一、前言 本文主要根据一片英文书籍进行学习，并且尝试着在 环境下用Python软件进行编程验证效果，书的名字叫：Using neural nets to recognize handwri
转载
2024-03-09 21:14:02
43阅读
一、前期工作设置GPU（CPU的请省略）导入数据归一化可视化图片调整图片二、构建CNN网络模型 三、编译模型 四、训练模型 五、预测 六、知识点详解mnist手写数字数据集介绍神经网络程序说明网络结构说明一、前期工作我的编程环境编程语言：Python编译器：PyCharm包：tensorflow21. 设置GPU（CPU可以忽略）import tensorflow as tf
gpus = tf.
转载
2024-08-07 16:15:43
353阅读
手写识别的应用场景有很多，智能手机、掌上电脑的信息工具的普及，手写文字输入，机器识别感应输出；还可以用来识别银行支票，如果准确率不够高，可能会引起严重的后果。当然，手写识别也是机器学习领域的一个Hello World任务，感觉每一个初识神经网络的人，搭建的第一个项目十之八九都是它。我们来尝试搭建下手写识别中最基础的手写数字识别，与手写识别的不同是数字识别只需要识别0-9的数字，样本数据集也只需要覆
转载
2023-10-13 12:23:51
612阅读
在开始之前，首先声明本篇文章参考官方编程指南，我基于官网的这篇文章加以自己的理解发表了这篇博客，希望大家能够更快更简单直观的体验MindSpore，如有不妥的地方欢迎大家指正。【本文代码编译环境为MindSpore1.3.0 CPU版本】准备环节确保已安装MindSpore（可以根据自己的硬件情况安装，CPU，GPU，Ascend环境均可）选择一个集成开发工具（Jupyter Notebook，P
转载
2023-11-24 11:36:09
183阅读
