SVM数字识别 #include "stdafx.h"
#include <fstream>
#include "opencv2/opencv.hpp"
#include <vector>
using namespace std;
using namespace cv;
#define SHOW_PROCESS 1
#define ON_STUDY 1
class NumT
原创
2013-09-23 10:09:51
866阅读
车牌识别的属于常见的 模式识别 ，其基本流程为下面三个步骤：1） 分割： 检测并检测图像中感兴趣区域；2）特征提取： 对字符图像集中的每个部分进行提取；3）分类： 判断图像快是不是车牌或者 每个车牌字符的分类。 车牌识别分为两个步骤， 车牌检测， 车牌识别， 都属于模式识别。基本结构如下：一、车牌检测 1、车牌局部化（分割车牌区域），根据尺寸等基本信息去除非车牌图像
转载
2023-09-03 18:07:17
455阅读
书名：《Mastering OpenCV with Practical Computer Vision Projects》 由于添加了一个*号，显示乱码，不晓得怎么回事，为了不耽误大家看可以下载word版本的翻译： 不免有错，不在本文章中修改了，以防再次出现乱码，这里整理好了，但是代码没有中文注释，word版本中有。 《书中部分其他章节的翻译》： 电子书下载地址： 随书源代码下载地址： 程序
转载
2024-07-23 20:48:48
215阅读
最近在做个围棋识别的项目，需要识别下面的数字，如下图：我发现现在网上很多代码是良莠不齐，…真是一言难尽，于是记录一下，能够运行成功并识别成功的一个源码。1、训练1.1、训练数据集下载——已转化成csv文件百度网盘：链接：https://pan.baidu.com/s/17_XBmtQK-lSejswmQJ6YtA提取码：jek51.2 训练源码train.pyimport pandas as pdfrom sklearn.decomposition import PCAfrom sk
原创
2021-07-29 11:11:24
2733阅读
点赞
trainLabels = np.repeat(np.arange(10),8)[:,np.newaxis] #训练图像贴标签。TestLabels = np.repeat(np.arange(10),2)[:,np.newaxis]
原创
2024-07-23 12:28:05
52阅读
（一）SVM的八股简介支持向量机(Support Vector Mac...
转载
2022-01-13 09:57:45
228阅读
目录环境配置写在前面：三个程序第一个程序：训练第二个程序：图像预处理1.二值化2.去除小联通域（即噪点）3.roi提取4.将图片压缩为28*28格式5.完整代码第三个程序：测试 环境配置语言：python 平台：pycharm 库： cv2 numpy keras（这个需要先安装fensorflow库）写在前面：手写数字识别，是很多深度学习教程里的入门第一例，但是这些教程往往只告诉了你怎么去构造
转载
2023-11-06 18:37:53
91阅读
1.软件版本matlab2017b2.部分核心代码clc;clear;close all;warning off;video = mmreader('vedios\test21.avi');nFra
原创
2022-10-10 15:16:04
138阅读
PCA主要代码 function [pcaA V] = fastPCA( A, k ) % 快速PCA % % 输入：A --- 样本矩阵，每行为一个样本 % k --- 降维至 k 维 % % 输出：pcaA --- 降维后的 k 维样本特征向量组成的矩阵，每行一个样本，列数 k 为降维后的样本特征维数 % V --- 主成分向量 [r c] = size
原创
2013-11-27 21:27:00
1470阅读
#include <stdio.h> #include <time.h> #include <math.h> #include
原创
2021-07-29 13:36:28
384阅读
1.软件版本MATLAB2013b2.本算法理论知识人脸识别是人脸识别与匹配领域的一项重要技
原创
2022-10-10 15:20:19
97阅读
验证码识别是一个适合入门机器学习的项目，之前用knn 做过一个很简单的，这次用svm来实现。svm直接用了开源的库libsvm。验证码选的比较简单，代码也写得略乱，大家看看就好。 1. 爬取验证码图片 2. 二值化 接下来要做的工作就是二值化验证码，所谓二值化，就是将每一个像素点用0或1来表示，图像
转载
2018-04-07 14:07:00
228阅读
2评论
关于SVM的原理有很多优秀的视频和资料，这里我主要说下利用SVM对数字识别的具体应用首先，需要有数字的训练样本把0-9文件夹放入模版匹配样本之中，自己可修改。 核心思路：1：获取一张训练图片后会将图片特征写入到容器中，紧接着会将标签写入另一个容器中，这样就保证了特征和标签是一一对应的关系。2：特征可用LBP,HOG等提取，但是我们这里主要说SVM训练过程，所以用最简单的方法，即把训练图片
转载
2023-09-15 15:51:15
144阅读
上篇文章我们用的特征是训练样本的所有像素点值，虽然方便但不准确。这篇文章主要介绍用SVM+HOG特征对数字进行识别。详细请看上篇文章，它们主要区别在于训练样本HOG特征的提取，其他基本一样，所以我直接附上代码。下面代码是opencv3和C++可以根据自己需要修改训练样本类别，数目，尺寸。oss的训练样本路径，src的检测图片路径。#include <stdio.h>
#includ
转载
2023-09-18 11:45:28
142阅读
前面的文章中我们主要介绍了车牌定位的相关技术，但是定位出来的相关区域可能并非是真实的车牌区域，EasyPR通过SVM支持向量机，一种机器学习算法来判定截取的图块是否是真的“车牌”，本节主要对相关的技术做详细的介绍。注：SVM相关内容可以详细参考周志华老师的《机器学习》和一篇名为《支持向量机通俗导论（理解SVM的三层境界）》的文章。一、SVM简介支持向量机，其英文名为 support ve
转载
2023-12-11 10:22:35
93阅读
支持向量机非常适合处理图像数据，它能够学习复杂的图案而不需要对噪声数据过度敏感，能够以较高的准确度识别光学图案。
原创
2021-06-29 18:09:38
311阅读
支持向量机非常适合处理图像数据，它能够学习复杂的图案而不需要对噪声数据过度敏感，能够以较高的准确度识别光学图案。
原创
2022-02-08 14:08:43
241阅读
最基本的SVM（Support Vector Machine）旨在使用一个超平面，分离线性可分的二类样本，其中正反两类分别在超平面的一侧。SVM算法则是要找出一个最优的超平面。 下面从简单到复杂介绍三种SVM形式，然后介绍一种快速优化SVM的算法，最后用SVM实现人脸识别。 线性可分SVM 优化函数
原创
2021-12-27 17:05:56
1040阅读
点赞
一、简介
Gabor+SVM：利用Gabor程序实现对人脸的特征提取，然后用SVM进行分类；1 GaborGabor 特征提取算法可以在不同方向上描述局部人脸特征，对光照、遮挡以及表情变换等情况具有较强的鲁棒性，即Gabor算法在异常和危险情况下具有较强的系统生存的能力。
1.1 一维Gabor核：其由一个高斯核与一个复数波的乘积定义为如下公式：其中w(t)是高斯函数，s(t)是复数波，两者的一
原创
2021-07-09 16:16:51
335阅读
1 简介随着经济的快速发展,互联网的普及,信息安全逐渐被人们所重视。人脸识别技术作为保护信息安全的重要手段之一,也逐渐被研究学者所重视。人脸识别作为计算机视觉技术和生物特征识别技术的一个重要分支,模式识别与人工智能的一个重要领域,其主要任务是对静态图像或动态视频进行识别。如何快速的正确的对人脸进行识别是目前人脸识别课题的一个难题。人脸识别算法的选取直接关系到人脸识别的识别率。 本文首先介绍了国内
原创
2021-10-04 14:23:46
1148阅读
