搜索资源列表
image
- 一种新的超分辨率图像重建算法,非下采样Contourlet 变换 多任务学习 超分辨率图像重建-A new super-resolution image reconstruction algorithm, non-down-sampling Contourlet transform multi-task learning Super-Resolution Image Reconstruction
gpusurf
- GPU Accelerating Speeded-Up Robust Features. Many computer vision tasks require interest point detection and descr iption, such as real-time visual navigation. We present a GPU implementation of the recently proposed Speeded-Up Robust Feature extract
53607890facedetection
- 人脸检测的研究具有重要的学术价值，人脸是一类具有相当复杂的细节变化的自然结构目标，对此类目标的挑战性在于：人脸由于外貌、表情、肤色等不同，具有模式的可变性；一般意义下的人脸上，可能存在眼镜、胡须等附属物；作为三维物体的人脸影像不可避免地受由光照产生的阴影的影响。因此，如果能够找到解决这些问题的方法，成功地构造出人脸检测系统，将为解决其他类似的复杂模式的检测问题提供重要的启示。-Face detection can be regarded as a specific case of object-
super-resolution
- 一篇论文，讲述图像超分辨率的研究方法，基于多任务学习的方法-An essay about the image super-resolution methods, the method based on multi-task learning
IMG_Reconstruction
- 一种新的超分辨率图像重建算法 多任务学习 超分辨率图像重建-A new super-resolution image reconstruction algorithm for multi-task learning super-resolution image reconstruction
3
- 输入： 自拍两幅同一个场景(或物体)的角度/远近有差别的图像 （对于学有余力的同学，建议多测试几张角度/远近差别较大的图像） 任务： 在每张图像中检测特征点位置并将匹配画出匹配得最好的10-20对特征点 输出要求（以下三个结果分别输出，不要重叠在一张图上）： 1. 在两张图上分别画出检测到的特征点位置 2. 对匹配得最好的10-20对特征点：每对特征点对用连接线画出 3. 用椭圆形式在图上画出上述每个特征点的描述子方向与尺度等信息 编程工具： Visual
LineMatchingSourceCode
- 图像匹配是图像处理的基本问题，同时也一个难点，本代码是基于直线描述子的场景匹配。-Line segment matching plays an important role in image processing and computer vision, while it remains a challenging task for images under various transformations. In this work, we present a line matching alg
1forest
- 森林算法实现，主要实现多特征分类实现，代码通过实际测试，可以实现分类任务-forest algorithm can be used to implement multi-features classification task
1b3b1ab82e3c1df9728eff52453470c8
- 贝叶斯压缩感知 从杜克大学网站上下载的贝叶斯压缩感知代码，该代码完全可以运行，是学习贝叶斯压缩感知的基础性代码。-This code generates Figure 3 (MT 25 ) of the following paper: Multi-Task Compressive Sensing (Preprint, 2007) This example is modified l1qc_example.m, an example l1magic.
Image-Annotation
- 目前主题回归多模式潜在狄利克雷分配（tr-mmLDA），一个新颖的统计主题模型的图像和视频注释的任务。 在我们的新注释模型的核心是一种新颖的潜变量回归方法来捕获图像或视频特征和注释文本之间的相关性。 我们的方法不是在两个数据模态之间共享一组潜在主题，如在对应关系LDA的公式中，我们的方法引入了回归模块来关联两组主题，其捕获更一般的关联形式，并允许主题的数量 2个数据模态不同。 我们证明tr-mmLDA对2个标准注释数据集的功率：一个5000图像子集的COREL和一个2687图像的LabelMe数
Indian
- 使用基于词典的稀疏表示高光谱图像分类,多任务联合稀疏表示和逐步MRF优化的高光谱图像分类(Dictionary-based sparse representation hyperspectral image classification, multi-task joint sparse representation and stepwise MRF optimized hyperspectral image classification)
BoundaryFinding
- 该代码为文章“Boundary-Finding-based-Multi-focus-Image-Fusion-master”源代码，利用边缘发现来实现聚焦区域的检测，提高了融合图像质量。(It is a novel boundary finding based multi-focus image fusion algorithm, in which the task of detecting the focused regions is treated as finding the bounda