搜索资源列表
sift
- 包含了SIFT详解，对于初学图像分类，场景识别有很大帮助-Contains a detailed SIFT, for beginners of image classification, scene recognition is of great help
histDist
- 包括彩色图像直方图计算和灰度图像直方图计算，可以作为场景图像分类的一种方法-Including color and grayscale images to calculate an image histogram histogram calculation can be used as a method of image classification scene
Moving-Target-Detection-Method-
- 针对成像平台运动情况下的运动目标检测问题，提出了一种从特征点稀疏运动场估计到运动分类的目标检测算法。 首先通过快速特征点检测与跟踪恢复出图像稀疏运动场；然后依据特征点之间运动一致性关系实现属于同一运动模式的特征 点分类，根据分类得到的各组特征点计算场景图像重建误差，剔除重建误差最小的特征点组，实现对前景目标的检测。仿真实 验对该算法在复杂场景中检测运动目标的有效性进行了验证。-】In order to detect target in the background motion vi
proj4
- 使用滑动窗的人脸检测，滑动窗口能够独立地对图片块进行分类，以确定是否属于被检测目标。内容如下： 1)载入正样本训练集（人脸），并将其转化为HoG特征 2)载入负样本训练集（没有人脸的任意场景），也将其转化为HoG特征 3)使用SVM，对分类器进行训练，训练集包括正训练集和负训练集 4)使用训练好的分类器，在不同的尺度上，对测试集进行分类 -Face detection with a sliding window.
part
- 图像特征提取，用于提取高层次语义特征，用于图像场景的分类，一种新的特征表示方式-A High-Level Image Representation for Scene Classification & Semantic Feature Sparsification
SVM
- Hog+SVM是速度和效果综合平衡性能较好的一种行人检测方法。后来，虽然很多研究人员也提出了很多改进的行人检测算法，但基本都以该算法为基础框架。因此，Hog+SVM也成为一个里程表式的算法被写入到OpenCV中。在OpenCV2.0之后的版本，都有Hog特征描述算子的API，而至于SVM，早在OpenCV1.0版本就已经集成进去了；OpenCV虽然提供了Hog和SVM的API，也提供了行人检测的sample，遗憾的是，OpenCV并没有提供样本训练的sample。这也就意味着，很多人只能用Ope
MAERJIANCE
- 场景图像中文本占据的范围一般都较小，图像中存在着大范围的非文本区域。因此，场景图像文本定位作为一个独立步骤越来越受到重视。这包括从最先的CD和杂志封面文本定位到智能交通系统中的车牌定位、视频中的字幕提取，再到限制条件少，复杂背景下的场景文本定位。与此同时文本定位算法的鲁棒性越来越高，适用的范围也越来越广泛。文本定位的方式一般可以分为三种，基于连通域的、基于学习的和两者结合的方式。基于连通域的流程一般是首先提取候选文本区域，然后采用先验信息滤除部分非文本区域，最后根据候选文本字符间的关系构造文本
plot_classifier_comparison
- 调用机器学习库sk-learn中的svm，KNeighborsC，GaussianProcess算法进行分类任务，并且比较这几种算法在三种场景下的性能-Using machine learning libraries sk- learn the SVM, KNeighborsC, GaussianProcess algorithm classification task, and comparing the several kinds of algorithm in the performanc
123
- 企业建站系统 首页头部伸缩广告； 中央不限制个数、自定义大图广告； 分类栏目页幻灯广告： 自定义产品详细介绍页面背景颜色、背景图及完善的产品介绍页面，右侧参数均可在后台自由修改： 单页介绍页面同样如此，企业可根据活动需求自主设定场景； 独家推出贴心的待办事项功能；(Front page head expansion advertising; The center does not limit the number, the custom big picture advertisem
auditory_scene_classification-master
- 2013 声场景挑战赛 适合作为环境声音分类参考，内含代码。(scene-classification-aasp-2013-master)
代码
- 图像配准的过程中两种或两种以上的图像重叠了在不同的同一个场景倍,从不同的观点和/或不同传感器。这两images-the区域的几何参考和感觉到图像。目前图像之间的差异,介绍了因不同成像条件。图像配准的一个决定性的步骤所有图像分析任务在最后的信息结合了各种各样的数据能源,如在图像融合、变化检测和多通道形象得到恢复。通常,必须注册在多光谱遥感分类、环境监测,变化检测图像拼接、天气预报、创造超分辨率图像、整合信息到地理信息系统(GIS)),结合医学计算机断层扫描(CT)、核磁共振数据获得更完善的信息,如