手写数字样本库的下载地址

http://www.cs.nyu.edu/~roweis/data.html

Handwritten Digits

    • MNIST Handwritten Digits [data/mnist_all.mat]
      [training pictures: 0 1 2 3 4 5 6 7 8 9
      ]
      [testing pictures: 0 1 2 3 4 5 6 7 8 9 ]
      8-bit grayscale images of "0" through
      "9"; about 6K training examples of each class; 1K test examples
    • USPS Handwritten Digits [data/usps_all.mat]
      [pictures: 0 1 2 3 4 5 6 7 8 9 ]
      8-bit
      grayscale images of "0" through "9"; 1100 examples of each class.
    • Binary Alphadigits [data/binaryalphadigs.mat] [picture]
      Binary 20x16 digits of "0"
      through "9" and capital "A" through "Z". 39 examples of each class.
      From
      Simon Lucas' (sml@essex.ac.uk), Algoval system. 
时间: 2024-07-29 02:38:08

手写数字样本库的下载地址的相关文章

手把手,74行代码实现手写数字识别

1. 引言:不要站在岸上学游泳 "机器学习"是一个很实践的过程.就像刚开始学游泳,你在只在岸上比划一堆规定动作还不如先跳到水里熟悉水性学习来得快.以我们学习"机器学习"的经验来看,很多高大上的概念刚开始不懂也没关系,先写个东西来跑跑,有个感觉了之后再学习那些概念和理论就快多了.如果别人已经做好了轮子,直接拿过来用则更快.因此,本文直接用Michael Nielsen先生的代码(github地址: https://github.com/mnielsen/neural-

下载的手写数字识别matlab源代码调试不出来,求助

问题描述 下载的手写数字识别matlab源代码调试不出来,求助 源链接 求详细调试方法 解决方案 至少把报错贴出来吧? 那个chargui 文件使用GUI编辑打开运行报错是什么?

MNIST手写数字数据库

手写数字库很容易建立,但是总会很浪费时间.Google实验室的Corinna Cortes和纽约大学柯朗研究所的Yann LeCun建有一个手写数字数据库,训练库有60,000张手写数字图像,测试库有10,000张. 请访问原站 http://yann.lecun.com/exdb/mnist/ 该数据库在一个文件中包含了所有图像,使用起来有所不便.如果我把每个图像分别保存,成了图像各自独立的数据库. 并在Google Code中托管. 如果你有需要,欢迎在此下载: http://code.go

C#中调用Matlab人工神经网络算法实现手写数字识别

手写数字识别实现 设计技术参数:通过由数字构成的图像,自动实现几个不同数字的识别,设计识别方法,有较高的识别率 关键字:二值化  投影  矩阵  目标定位  Matlab                                                               手写数字图像识别简介: 手写阿拉伯数字识别是图像内容识别中较为简单的一个应用领域,原因有被识别的模式数较少(只有0到9,10个阿拉伯数字).阿拉伯数字笔画少并且简单等.手写阿拉伯数字的识别采用的方法相对于

手写数字识别的几种实现方法

我使用了手写数字数据库MNIST的一个子集,并做了多种处理 程序中附有数据库,完整的数据库在这儿下载,程序在这儿下载   实现的算法有: 模板匹配 类中心欧式距离 贝叶斯分类算法 夹角余弦距离 奖惩算法 增量校正算法 LMSE算法   特征提取方法:图像分割为若干小块,计算笔画像素占小块总像素数的比例 每一个算法都在独立的cpp文件中, 我直接使用源数据库而未作处理,最初使用图像的5x5分割, 为了提高精度,后来又使用7x7分割, 下载程序中已经有这两种分割的特征数据   主程序使用函数指针调用

编程-如何不使用Matlab已有命令编写BP神经网络基本原理,来实现手写数字识别?

问题描述 如何不使用Matlab已有命令编写BP神经网络基本原理,来实现手写数字识别? 如何不使用Matlab已有命令编写BP神经网络基本原理,来实现手写数字识别? 解决方案 http://download.csdn.net/detail/aoxiangyuntian123/8472775

k近邻 - 手写数字识别

# -*- coding: utf-8 -*- import numpy as np import operator from os import listdir # k近邻算法实现 def classify0(inX, dataSet, labels, k): # 得到数组的行数, 训练数据的大小 dataSetSize = dataSet.shape[0] # 将inX这一个数据, 扩充成dataSetSize个大小一样的数据集 # 减去dataSet, 得到一个差集的数据集 diffMat

OpenCV手写数字字符识别(基于k近邻算法)

  摘要 本程序主要参照论文,<基于OpenCV的脱机手写字符识别技术>实现了,对于手写阿拉伯数字的识别工作.识别工作分为三大步骤:预处理,特征提取,分类识别.预处理过程主要找到图像的ROI部分子图像并进行大小的归一化处理,特征提取将图像转化为特征向量,分类识别采用k-近邻分类方法进行分类处理,最后根据分类结果完成识别工作. 程序采用Microsoft Visual Studio 2010与OpenCV2.4.4在Windows 7-64位旗舰版系统下开发完成.并在Windows xp-32位

教你用TensorFlow和自编码器模型生成手写数字(附代码)

自编码器是一种能够用来学习对输入数据高效编码的神经网络.若给定一些输入,神经网络首先会使用一系列的变换来将数据映射到低维空间,这部分神经网络就被称为编码器. 然后,网络会使用被编码的低维数据去尝试重建输入,这部分网络称之为解码器.我们可以使用编码器将数据压缩为神经网络可以理解的类型.然而自编码器很少用做这个目的,因为通常存在比它更为有效的手工编写的算法(例如 jpg 压缩). 此外,自编码器还被经常用来执行降噪任务,它能够学会如何重建原始图像. 什么是变分自编码器? 有很多与自编码器相关的有趣应