注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 矩特征-图像区域的几何特征

  2. 矩特征主要表征了图像区域的几何特征,又称为几何矩， 由于其具有旋转、平移、尺度等特性的不变特征，所以又称其为不变矩。在图像处理中，几何不变矩可以作为一个重要的特征来表示物体，可以据此特征来对图像进行分类等操作。

  3. 所属分类：专业指导

    • 发布日期：2009-12-28
    • 文件大小：286720
    • 提供者：byxdaz

  1. 数字图像锐化

  2. 数字图像锐化算法研究 图像锐化(2010-08-03 16:10:31)转载▼标签： 杂谈 分类： Matlab MATLAB全称是MatrixLaboratory(矩阵实验室)，一开始它是一种专门用于矩阵数值计算的软件，从这一点上也可以看出，它在矩阵运算上有自己独特的特点。实际运用中MATLAB中的绝大多数的运算都是通过矩阵这一形式进行的，这一特点决定了MATLAB在处理数字图像上的独特优势。理论上讲，图像是一种二维的连续函数，然而计算机对图像进行数字处理时，首先必须对其在空间和亮度上进行数

  3. 所属分类：其它

    • 发布日期：2012-04-09
    • 文件大小：27648
    • 提供者：gzb515188

  1. VC++数字图像模式识别技术及工程实践

  2. 目录 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主

  3. 所属分类：C++

    • 发布日期：2013-05-16
    • 文件大小：14680064
    • 提供者：a121649982

  1. 数字图像 给物体着色

  2. 数字图像处理 给物体着色 根据能量分类 附效果图

  3. 所属分类：C++

    • 发布日期：2013-11-03
    • 文件大小：8388608
    • 提供者：u010062541

  1. 物体识别源码

  2. 人类能够在图像中轻松的识别出众多的物体，尽管图像中的物体可能千变万化：不同的大小和尺寸，甚至被旋转。即使物体只有部分可见也能够被识别出来。物体识别仍然是计算机视觉中为能够很好解决的问题。

  3. 所属分类：C++

  1. 图像物体分类与检测算法综述

  2. 图像物体分类与检测算法综述Image classification and object detection algorithm Summary-Image classification and object detection algorithm Summary

  3. 所属分类：C#

    • 发布日期：2016-01-08
    • 文件大小：401408
    • 提供者：fsj43

  1. 图像数据集

  2. 包含十种物体，每一类100张图片，已经分好测试集和训练集了，小样本量的数据集，挺好用

  3. 所属分类：深度学习

    • 发布日期：2017-12-14
    • 文件大小：13631488
    • 提供者：manan0786

  1. 图像物体分类与检测算法综述_黄凯奇

  2. 图像物体分类与检测是计算机视觉研究中的两个重要的基本问题， 也是图像分割、 物体跟踪、 行为分析等 其他高层视觉任务的基础． 该文从物体分类与检测 问 题 的 基 本 定 义 出 发， 首 先 从 实 例、 类 别、 语 义 三 个 层 次 对 物 体 分类与检测研究中存在的困难与挑战进行了阐述． 接下 来， 该 文 以 物 体 检 测 和 分 类 方 面 的 典 型 数 据 库 和 国 际 视 觉 算法竞赛 ＰＡＳＣＡＬＶＯＣ 竞赛为主线对近年来物体分类与检测的发展脉络进行了梳理与总结， 指

  3. 所属分类：机器学习

    • 发布日期：2018-04-17
    • 文件大小：733184
    • 提供者：jovial_168

  1. 深度学习及其在图像物体分类与检测中的应用综述_刘栋

  2. 深度学习及其在图像物体分类与检测中的应用综述_刘栋深度学习及其在图像物体分类与检测中的应用综述_刘栋

  3. 所属分类：其它

    • 发布日期：2018-04-28
    • 文件大小：986112
    • 提供者：qq_26078953

  1. 图像数据集 CALTECH 101

  2. 加利福尼亚理工学院101类图像数据库，包含102类物体的图像

  3. 所属分类：机器学习

    • 发布日期：2018-06-19
    • 文件大小：135266304
    • 提供者：w372845589

  1. 深度学习经典文献打包文献

  2. 文档包含： 1. 图像物体分类与检测算法综述 黄凯奇 , 任伟强 , 谭铁牛 2. BP算法的提出《Learning Internal Representations by Error Propagation》 Hinton等 1986 3. CNN雏形《Backpropagation applied to handwritten zip code recognition》 Y.leCun等 1989 4. LetNet-5模型《Gradient-based learning applied

  3. 所属分类：深度学习

    • 发布日期：2018-08-21
    • 文件大小：28311552
    • 提供者：hust_chy

  1. 图像分类中的Corel原图

  2. 图像分类，根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析，把图像或图像中的每个像元或区域划归为若干个类别中的某一种，以代替人的视觉判读。

  3. 所属分类：深度学习

    • 发布日期：2018-08-23
    • 文件大小：29360128
    • 提供者：sinat_41138310

  1. kmean图像分割

  2. 基于kmean算法的用于RGB图像分割的matlab代码，用来遥感，街景，物体分类识别，按分类事物规定初始中心值，自定义分类数和分类色彩。

  3. 所属分类：其它

    • 发布日期：2018-12-11
    • 文件大小：4096
    • 提供者：woshihaozi123

  1. 基于超像素特征表示的图像前景背景分割算法

  2. 图像前景背景分割是图像处理中的关键技术,文中提出了基于超像素分类的二值分割算法。对于输入图像,首先采用超像素分割算法,将图像分割成多个保留边缘的封闭区域,即超像素;对每一块超像素,考虑颜色和纹理,构造一种对光照和颜色较为鲁棒的特征,来消除同种物体在光照和颜色差异下的影响;用所得特征训练分类器,判断每块超像素属于前景或背景;最后将超像素分类结果作为初值用图分割的方法进行修正,得到最终的二值分割结果。实验结果显示算法能较好的完成前景背景分割的任务。此外,本算法易于和现有的分类算法相结合,具有较强的可

  3. 所属分类：其它

    • 发布日期：2020-04-30
    • 文件大小：1048576
    • 提供者：weixin_38687968

  1. 卷积递归深度学习在3D物体分类上的应用.doc

  2. 3D传感技术的最新进展使人们有可能轻松地拍摄彩色和深度信息并存的图片，以提高物体识别的图像。目前，大多数方法对于这个新的3D方式依赖于非常精心设计的特征。引入一个基于卷积和递归神经网络（CNN和RNN）组合的模型，用于特征学习和RGB-D图像分类。CNN层用于学习低水平的平移不变性的特征，然后作为多个固定树RNN的输入，以组成高阶特征。RNN可以被看作是结合卷积，并汇集到一个高效的、分层的操作。我们的主要结果是，甚至随机权重的RNN也组成强大的特征集。我们的模型在标准RGB-D对象集上获得了较好

  3. 所属分类：深度学习

    • 发布日期：2020-04-25
    • 文件大小：592896
    • 提供者：weixin_39164435

  1. 两个win32图像分类检测程序(mobilenet 和 mobilenet_v2)

  2. win32图像分类检测程序,由《MobileNet-Caffe-master》中的模型改编而来，可以用于识别图像中一些物体动物名称等。

  3. 所属分类：图像处理

    • 发布日期：2020-02-12
    • 文件大小：32505856
    • 提供者：juebai123

  1. 中南大学计算机学院梁毅雄老师授课-数字图像处理-考试要点答案整理

  2. 中南大学计算机学院梁毅雄老师授课考试要点答案整理。此文档受众：中南大学！计算机学院！梁毅雄老师授课学生！数字图像处理！中南大学计算机学院梁毅雄老师授课考试重点整理 2019.07.03 Canny边绿检测算法 基本原理 图象边缘检测必须满足两个条件:一能有效地抑制噪声;二必须尽量精确确 定边缘的位置。 从数学上表达了三个准则[信噪比准则(低错误率)、定位精度准则、单边缘 响应准则」,并寻找表达式的最佳解 属于先平滑后求导的方法 步骤 1)使用高欺滤波器,以平滑图像,滤除噪声。 2)计算图像中每个

  3. 所属分类：讲义

    • 发布日期：2019-07-04
    • 文件大小：5242880
    • 提供者：sinat_31857633

  1. 基于立体高程数据共配准和基于分类的高度归一化用于立体VHR图像中的建筑物检测

  2. 高分辨率（VHR）图像中的建筑物检测对于映射和分析城市环境至关重要。 由于建筑物是高架物体，因此需要将高程数据与图像集成在一起以进行可靠的检测。 此过程需要两个关键步骤：光学高程数据共配准和地上高程计算。 这两个步骤在一定程度上仍然具有挑战性。 因此，本文介绍了光学高程数据共配准和归一化技术，以生成有助于基于高程的建筑物检测的数据集。 为了实现精确的共配准，会生成密集的一组基于立体的高程，并将其基于相应的图像位置共配准到其相关图像。 为了对这些共同注册的海拔进行归一化，在实现图像共同配准之后，基

  3. 所属分类：其它

    • 发布日期：2020-06-04
    • 文件大小：1048576
    • 提供者：weixin_38687505

  1. 使用CIFAR10数据集进行图像分类：在本笔记本中，我将对CIFAR-10数据集中的图像进行分类。 数据集由飞机，狗，猫和其他物体组成。 在对图像进行预处理之后，我对所有样本都训练了卷积神经网络。 图像需要归一化，标签需要进行一次热编码-源

  2. 使用CIFAR10数据集进行图像分类 在本笔记本中，我将对CIFAR-10数据集中的图像进行分类。 数据集由飞机，青蛙，马和其他物体组成。 在对图像进行预处理之后，我对所有样本都训练了卷积神经网络。 图像需要进行归一化，标签需要进行一次热编码。 目录-> 获取数据 了解数据集 实作经验，实现归一化和一键编码功能 Tensorflow基础 模型架构和构造（使用不同类型的API） 训练模型 预测请打开jupyter笔记本以查看完整描述

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：8192
    • 提供者：weixin_42144199

  1.  基于改进的Bag of Visual Words算法的SAR图像目标分类

  2. “视觉词袋”（Bag of Visual Words，BOV）算法是一种有效的基于语义特征表达的物体识别算法。针对传统BOV模型存在的不足，综合利用SAR图像的灰度和纹理特征，提出基于感兴趣目标 （Target of Interest，TOI）的 “视觉词袋”算法。首先，对训练图像进行TOI选取，用灰度共生矩阵模型提取TOI的纹理特征，再结合灰度特征，组成多维特征向量集，以簇内相似度最高、数据分布密度最大为准则，生成“视觉词袋”。其次，对测试图像，依据已生成的“视觉词袋”，采用支持向量机（Sup

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：1048576
    • 提供者：weixin_38747087
« 12 3 4 5 6 7 8 9 10 »