搜索资源列表
face-recognition
- 人脸检测方法主要有基于知识的方法、特征不变方法、模板匹配方法、基于外观的方法；脸部特征定位方法分为基于先验知识、几何形状、色彩、外观和关联信息等五类；人脸表情识别方法分为基于几何特征的识别方法，基于整体的识别方法，基于模型的识别方法，基于模板的识别方法。-Face detection methods are mainly based on knowledge of the method, the characteristics of constant method, template match
vedio
- 目标检测与识别 1. 颜色检测 采集大量敌方机器人的图片数据，并进行训练，得到对方机器人的颜色区间， 并以此为阈值对整幅图像进行颜色检测，找到疑似敌方机器人的区域，量化 成二值图。 2. 滤除噪声点 对得到的二值图像进行开运算处理，滤除颜色检测结果中的噪声点。 3. 连通区域检测 对图像中的疑似区域进行连通区域检测，计算出每个疑似区域的外部轮廓， 用矩形近似表示。 4. 连通区域合并 根据连通区域之间的距离和颜色相似性，将距离接近且相似性高的连通区域
hafojiancejizuobiao
- 哈夫（霍夫）变换(Hough Transform)是图像处理中从图像中识别几何形状的基本方法之一，应用很广泛，也有很多改进算法。-Hough Transform (Hough Transform) is the image processing the image to identify the geometry of one of the basic methods, is widely used, there are many improved algorithms.
one
- 基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加，传统的分类方法由 于提取的特征比较单一或者分类器结构过于简单，导致叶片识别率较低。为此，本文提出使用纹理特征结合形状 特征进行识别，并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor 滤波和灰度共生矩阵 方法得到。而形状特征向量由 Hu 氏不变量和傅里叶描述子组成。为了避免过拟合现象，使用“dropout”方法训练 深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法-Plant based
shap
- 一个识别圆，矩形，三角形等形状的MATLAB程序，有不足之处可以相互联系，取长补短。-An identification of circle, rectangle, triangle shape such as MATLAB, have shortcomings can connect with each other, complement each other.
hough,gabor,Radon,headata,wdcbm2()
- 1.从图像中识别几何形状的基本方法；基本原理是在于利用点与线的对偶性，将原始图像空间给定的曲线通过曲线表达形式变为参数空间的一个点，这样就把原始图像中给定的检测问题转化为寻找参数空间的峰值问题。 2.基于Gabor变换的人眼检测MATLAB实现。 3.基于Radon的车牌矫正方法。 4.基于模型函数headata产生不同大小的头模型数据。 5.基于函数wdcbm2()设置图像分层阈值压缩参数，实现图像压缩(The basic method of identifying geometry
databricks-spark-reference-applications.pdf.tar
- 摘要: 现有的聚类算法比如 CluStream 是基于 k-means 算法的。这些算法不能够发现任 意形状的簇以及不能处理离群点。 解决上述问题,本文提出了 而且, 它需要预先知道 k 值和用户指定的时间窗口。 为了 分将数据映射到一个网格, D-Stream 算法,它是基于密度的算法。这个算法用一个在线部 在离线部分计算网格的密度然后基于密度形成簇。 度衰减技术来捕获数据流的动态变化。 为了探索衰减因子、 数据密度以及簇结构之间的关系, 我们的算法能够有效的并且有效率
Spectral_ClusteringNJW
- 谱聚类能够识别任意形状的样本空间且收敛于全局最优解，其基本思想是利用样本数据相似矩阵的进行特征分解后得到的特征向量进行聚类，程序进行了几种不同聚类算法的比较，包括Q矩阵聚类，kmeans聚类，第一特征分量聚类，第二广义特征分量聚类，公用数据生成和近邻矩阵生成(Spectral clustering can distinguish arbitrary sample space and converge to the global optimal solution, the basic idea i
Snackes
- Snakes模型的基本思想很简单，它以构成一定形状的一些控制点为模板（轮廓线），通过模板自身的弹性形变，与图像局部特征相匹配达到调和，即某种能量函数极小化，完成对图像的分割。再通过对模板的进一步分析而实现图像的理解和识别。(The basic idea of the Snakes model is very simple. It uses some control points that form a certain shape as a template (contour line), thr
zuoye
- 对图像进行分割，同时根据贝叶斯分类准则，对图像进行准确分类，可以分别识别各种图形的形状(The image is segmented, and the image is accurately classified according to Bias classification rule, and all kinds of shapes can be identified separately.)