手写数字识别是计算机视觉领域的经典问题之一，具有广泛的应用。本课程将深入介绍使用支持向量机（SVM）技术来构建一个高效的手写数字识别系统。学生将学习如何使用SVM进行分类，以及如何提取和使用 HOG 特征来实现数字图像的...
我们的开发环境：Win11 + PyCharm 2021.1.3 + Python 3.8.5 使用下面的命令创建虚拟环境 digit-env: 在虚拟环境中，安装以下项目所需要的工具包：
在我们的《手写数字识别》项目中，需要提供一个用于手写数字的绘图板作为用户界面，便于获得用户手写的数字输入算法模型以便能够进行识别。这一章节，我们主要介绍关于绘图板开发过程中用到的相关技术。主要包括： 画布构建 图形绘制 ...
前面我们已经学习了 Tkinter Canvas 控件相关的技术，现在我们将会使用前面学习的内容来实现用于手写数字的绘画板。绘画板主要包括四个部分，分别是： 主窗口界面 顶部工具栏 中心绘画区 底部状态栏 1. 主窗口界...
《手写数字识别》项目基于支持向量机算法的，该算法的背后有着坚实的数学理论作为支撑，为算法的有效性和可靠性提供了坚实的基础。接下来，我们将会从以下第五个方面来讲解： 算法思想初探 算法训练内容 算法推理过程 惩罚参数作用 ...
《手写数字识别器》中会应用支持向量机算法、以及相关的参数搜索方法。这两个在 Scikit-Learn 中都有实现。这一节，我们将会学习两个相关的 API 的使用。 数据介绍 算法使用 网格搜索 1. 数据介绍 鸢尾花数据...
这一节，我们主要给大家讲解图像相关的基础知识，以及操作方法。 1. 图像知识 图像可以被视为一系列像素的集合，每个像素分别对应 0 到 255 之间的整数，0 表示黑色，255 表示白色。图像可以根据其颜色模式分为灰度图...
经过前面的准备，我们将会进行初次的算法模型训练以及封装，并测试效果。从中去分析不足，然后在后续内容中针对不足进行优化。 1. 数据处理 首先，我们先对训练数据进行读取，并提取图像特征。需要说明一点，由于图像本身就是由一系...
在先前的训练阶段，我们发现算法模型在训练集上达到了1.0的准确率，然而，其在测试集上的表现却不尽如人意，这暗示着模型可能出现了过拟合现象。 我们的算法模型是直接依据每个数字图像的像素数据进行学习的。因此，当遇到新的数字图...
经过第八章节的特征优化，我们的手写数字识别准确率有着明显的提升。但是仍然存在一个显而易见的问题，即：我们绘制的数字是对位置很敏感的。接下来，我们将会去探讨解决这一问题的方法。 1. 图像数据增强 数据增强是一种通过对训练...
1. Windows 打包步骤 首先，进入到项目根目录下然后，在项目根目录下执行命令：接着，拷贝 source、data、model 目录到 dist 目录下，保证和 exe 同级目录最后，可以分发给没有 Python ...
冀公网安备13050302001966号
