搜索资源列表
li9_8
- 基于NMF的人脸识别代码 matlab 识别率高 容易运行 容易修改-NMF-based face recognition matlab code easier to run a high recognition rate is easy to modify the
200572811235798
- 本文论述并设计实现了一个脱机自由手写体数字识别系统。文中首先对待识别数字的预处理进行了介绍，包括二值化、平滑滤波、规范化、细化等图像处理方法；其次，探讨了如何提取数字字符的结构特征和笔划特征，并详细地描述了知识库的构造方法；最后采用了以知识库为基础的模板匹配识别方法,并以MATLAB作为编程工具实现了具有友好的图形用户界面的自由手写体数字识别系统。实验结果表明，本方法具有较高的识别率，并具有较好的抗噪性能-In this paper, and designed to achieve a free
second_method
- 对彩色图像进行分类识别，非常好用，识别率95％-Classification of color image recognition, is very easy to use, 95 recognition rate
cell
- 检测红细胞数量，正确识别率在90％以上，是基于彩色图处理-Detection of the number of red blood cells, the correct recognition rate is over 90 is based on the color chart processing
work
- 这是一个LDA函数，先做PCA，再做LDA，不影响识别率-This is an LDA function, first PCA, again LDA, does not affect the recognition rate
DigitalIdentification
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。-err
56465416
- 介绍一种实用的二维条码识别算法。首先探讨了二维条码的定位与分割算法,利用Hough变换与Sobel边缘检测把条码图像从原始采集的图像中有效地分割出来 然后分析了条码图像经过光学系统的噪声模型,提出了一种计算点扩展函数标准方差的算法 采用Flourier变换自适应地选取阈值去除噪声导致的无效边界,从而得到条码的基本模块。实验结果表明,该算法具有很好的抗噪性,提高了二维条码的识别率。 -A practical two-dimensional barcode recognition algorit
897979
- 介绍一种实用的二维条码识别算法。首先探讨了二维条码的定位与分割算法,利用Hough变换与Sobel边缘检测把条码图像从原始采集的图像中有效地分割出来 然后分析了条码图像经过光学系统的噪声模型,提出了一种计算点扩展函数标准方差的算法 采用Flourier变换自适应地选取阈值去除噪声导致的无效边界,从而得到条码的基本模块。实验结果表明,该算法具有很好的抗噪性,提高了二维条码的识别率。 -A practical two-dimensional barcode recognition algorit
chap2
- 细胞识别系统，完成血液细胞个数识别，识别率达到百分之九十-Cell recognition systems, the number of complete blood cell identification, the recognition rate of 90
main1
- 可以实现对一定范围的数据进行分类，是三层网络，可以知道识别率-Can be achieved on a range of data classification, is a three-tier network, we can see that recognition rate
shuzishibie
- 数字识别代码 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为90％ -Digital identification code the first step: Training Network. Th
PCA
- 这是自己做的毕业设计的PCA，具有很高的识别率，使用的图像是ORL库-This is the pca,and it has the good recognition!
DLDA
- 这是自己做的毕业设计的DLDA，训练和识别过程都有，算法速度很快，具有很高的识别率！ -This is the dlda,and it has the good recognition!
wenzishibie
- 本目录主要包括：文档和两个源代 其中源代码是识别程序的，另一个是矩阵类库的。 已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多。-Catalog include: two source documents and source
cnumidentification
- VC++高质量数字清晰识别，识别率较高，可进一步改进。-c++，num idenification
EyeBrowRecBasedHMM0526
- 自己做的毕业设计，基于HMM的识别程序，适合做识别的做个参考。识别率很搞-Graduates to do their own design, based on the HMM recognition process, make suitable reference to be identified. Recognition rate is very engaged in
DigitalRecognitioncode
- 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
cro
- 已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多。 -Training has been well preserved network weights, so first use of identification procedures
LPRBPDemo2009KV
- 车牌识别Demo识别率非常高 车牌识别Demo识别率非常高-afa
Neural-network-recognition-system
- 使用说明 第一步：训练网络。使用训练样本进行训练。 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”－