识别手绘数字图像

简介: 识别手绘数字图像

1 问题

初学机器学习,第一步是做一个简单的手写数字识别,我选用的是MNIST数据集。首先明确一下我的思路:解析图片和标签——处理图片和标签——加载KNN分类器训练——读入处理后的测试图片和标签——得出正确率。


2 方法

为了验证我的解析结果是否正确,我把解析出的图片进行了保存,然后处理的是保存后的图片,其实不保存就可以,解析出来直接用,反而会节省很多步骤。

解析图片:解析图片和标签的原理在这里我就不多说了,网上可以搜到,介绍的很详细。直接上代码


3 结语

这次实验我们深入了解和扩展了一些关于手写数字的步骤和方法,在我第一次运行花费了挺多的时间,运行完一次我再也不想运行了,心疼我电脑……初学者,不足之处甚多,恳请批评指正。希望在以后的实验,学习中继续努力加油学习!!


目录
相关文章
|
1月前
|
存储 编解码 vr&ar
ICLR 2024:单张图像完成逼真的三维重建
【2月更文挑战第28天】ICLR 2024:单张图像完成逼真的三维重建
34 2
ICLR 2024:单张图像完成逼真的三维重建
|
8月前
|
人工智能 编解码 移动开发
NeRF基于线稿生成逼真三维人脸,细节风格随意改,论文已上SIGGRAPH
NeRF基于线稿生成逼真三维人脸,细节风格随意改,论文已上SIGGRAPH
385 0
|
9月前
|
机器学习/深度学习 存储 编解码
|
9月前
|
机器学习/深度学习 存储 编解码
|
9月前
|
机器学习/深度学习 存储 编解码
底层视觉与黑白图像上色
底层视觉(即视觉增强)是计算机视觉中的一个分支,它专注于提高图像整体的观看体验。如果 “中高层视觉” 关注的是如何让计算机理解图像中的内容,那么底层视觉则致力于解决图像的清晰度、色彩、时序等各类画质问题。这些问题的出现与拍摄环境、设备等因素有关,而视觉增强技术则旨在修复这些问题,提供更好的视觉观看体验。
|
10月前
|
机器学习/深度学习 传感器 算法
【图像隐藏】基于DCT的数字图像水印防伪附matlab代码
【图像隐藏】基于DCT的数字图像水印防伪附matlab代码
|
11月前
|
自然语言处理 搜索推荐 算法
人脸神经辐射场的掩码编辑方法NeRFFaceEditing,不会三维建模也能编辑立体人脸
人脸神经辐射场的掩码编辑方法NeRFFaceEditing,不会三维建模也能编辑立体人脸
125 0
|
11月前
|
机器学习/深度学习 人工智能 计算机视觉
华南理工TANGO项目原作解读: 文本驱动的三维物体风格化模型
华南理工TANGO项目原作解读: 文本驱动的三维物体风格化模型
121 0
|
11月前
|
机器学习/深度学习 数据可视化 计算机视觉
NeurIPS 2022 | 一句话让三维模型生成逼真外观风格,精细到照片级细节
NeurIPS 2022 | 一句话让三维模型生成逼真外观风格,精细到照片级细节
107 0
|
机器学习/深度学习 存储 传感器
【语音隐写】基于小波变换实现音频数字水印嵌入提取附Matlab代码
【语音隐写】基于小波变换实现音频数字水印嵌入提取附Matlab代码