搜索资源列表
PartTracking-master
- 基于分块的跟踪算法，亲测可以直接运行，cvpr源代码(Block based tracking algorithm)
BOW_DEMO
- 2006年CVPR词袋模型文章的demo(code of 2006 CVPR IEEE word of bag demo)
RC_C++
- 显著性检测的代码，是程明明在12年的CVPR的文章，HC,RC的算法源码。(The code for saliency detection is the source code of Cheng Mingming's CVPR article, HC, RC, in 12 years.)
code-BL
- 显著性检测研究，cvpr上的文章，BL的源代码，有需要请下载(Significance detection research, article on CVPR, source code of BL, need to be downloaded)
Dropout
- Learning Deep Feature Representations with Domain Guided Dropout for Person Re-identification 2016年CVPR的一篇论文 行人再识别方法(Learning Deep Feature Representations with Domain Guided Dropout for Person Re-identification A CVPR Paper 2016 Pedestrian Reidenti
hog-feature
- 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主(The Histogram
ECP
- 图像去模糊代码，MATLAB文件，来自2017年CVPR会议(image deblurring from 2017 IEEE Conference on Computer Vision and Pattern Recognition)
lsc_matlab
- 本程序演示了以下论文中提出的LSC超像素分割方法： 陈建生，李正琴，黄波，线性光谱聚类超像素，IEEE图像处理学报，第26卷，第7期，3317-3330页，2017. 李正琴，陈建生，利用线性光谱聚类的超像素分割，IEEE计算机视觉与模式识别会议，2015年6月。 2017年6月20日(This program demonstrates the LSC superpixel segmentation method proposed in the following pa
Unet
- UNet最早发表在2015的MICCAI上，短短3年，引用量目前已经达到了4070，足以见得其影响力。而后成为大多做医疗影像语义分割任务的baseline，也启发了大量研究者去思考U型语义分割网络。而如今在自然影像理解方面，也有越来越多的语义分割和目标检测SOTA模型开始关注和使用U型结构，比如语义分割Discriminative Feature Network(DFN)(CVPR2018)，目标检测Feature Pyramid Networks for Object Detection(FP