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. 基于视觉的无人机着陆姿态检测和跑道识别

  2. 硕士学位论文 文中以某型无人机飞行试验过程中拍摄的着陆场景图像为研究材料，选择地平线和跑道作为图像处理中特征提取的目标，并据此提出了地平线检测算法和跑道分割算法，实验结果表明这两个算法可以有效的检测出图像中的地平线和跑道区域。

  3. 所属分类：其它

    • 发布日期：2009-06-26
    • 文件大小：5242880
    • 提供者：shentaotayu

  1. 智能手机场景实时识别算法

  2. 目前常用的SIFT 和SURF 识别算法存在匹配时间长、运算量大和内存占用多等问题, 无法满足实时移动检索应用. 针对这些问题, 本文提出了一种智能手机上的实时识别算法, 通过缩短特征点检测时间和降低尺度空间特征点定位的复杂度, 保证识别的实时性和准确性. 实验结果表明, 本算法能有效地运行在普通的资源受限智能手机上, 具有较好的通用性; 同时能 实现对场景的实时识别, 消耗内存资源也较少, 适合在实际应用中使用.

  3. 所属分类：Android

    • 发布日期：2014-07-27
    • 文件大小：1048576
    • 提供者：yaowujunyao

  1. 基于SIFT+Kmeans+SVM的场景识别报告

  2. 基于SIFT特征和K-means以及SVM提出了场景图形分类系统的理论框架。然后进行试验，比较不同聚类数目的正确率，同时还与机器学习方法进行了效果比较。试验结果表明，基于SIFT和K-means以及SVM的场景分类方法在准确率上很接近机器学习方法。

  3. 所属分类：机器学习

    • 发布日期：2017-07-11
    • 文件大小：538624
    • 提供者：m0_37393277

  1. 遥感影像场景识别tensorflow-CNN

  2. 遥感影像场景识别—含有代码数据训练模型结果-亲测有效

  3. 所属分类：深度学习

    • 发布日期：2018-09-28
    • 文件大小：9216
    • 提供者：u011058229

  1. 场景图像分类技术综述

  2. 场景图像分类是机器人学研究面临的一个基本问题，也是奸算机视觉银域的一项重要任务． 近年来，隧着机器视觉技术的快速发展，涌现出众多场：景分类方法和技术．这些方法涉及面非常广 泛，为了呈现较为完整的场景分类方法体系，本文在深入调研的基础上对场景分类技术进行综述．首 先简要介绍场景分类的受展现状，然后从特征提取的角度，对国内外主流的场景分类方法进行了详 细阐述，并且对不同的方法进行了系统地分析、比较和总结，最后对未来场景分类方法和技术的芡展 趋势做出了展望

  3. 所属分类：深度学习

    • 发布日期：2018-10-09
    • 文件大小：28311552
    • 提供者：weixin_35822658

  1. 【翻译】Visual Place Recognition_ A Survey视觉场景识别综述

  2. 人工翻译的Visual Place Recognition_ A Survey视觉场景识别综述

  3. 所属分类：深度学习

    • 发布日期：2018-12-18
    • 文件大小：3145728
    • 提供者：weixin_43457532

  1. 基于深度学习的视觉场景识别

  2. 基于深度学习的视觉场景识别，有测试图，完整的代码，可以顺畅运行，是关于深度学习很好的算法学习，作为算例可深入研究应用。

  3. 所属分类：深度学习

    • 发布日期：2020-04-28
    • 文件大小：303
    • 提供者：qq_42411670

  1. 基于matlab的深度学习的视觉场景识别.zip

  2. 基于matlab的深度学习的视觉场景识别，本实验选择经典的Corel图像库，基于注明的matconvnet工具箱进行深度学习实验，包括工具箱配置、训练集制作、模型设计、训练和识别验证等过程，可应用于视觉场景分类识别，仿真亲测可用，有很高的参考价值

  3. 所属分类：深度学习

    • 发布日期：2020-04-10
    • 文件大小：502
    • 提供者：qq_41782791

  1. Java调用百度图像识别接口

  2. 前三步和人脸检测几乎一样 人脸检测地址 https://blog.csdn.net/weixin_45736927/article/details/104696428 唯一不同的,就是我们需要创建一个通用物体和场景识别,重新获取一个API Key和Secret Key,获取Token方法一样,只不过里面的这2个参数（API Key和Secret Key）不一样 第四步 Token和工具类准备完毕,写图片识别代码 识别图片 PictureRecognition类 import java.net

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：168960
    • 提供者：weixin_38689477

  1. scene_recognition_pytorch:场景识别基线模型+用于场景理解的基于属性的模型-源码

  2. 配置 在位于config文件夹的配置文件中定义参数 训练 ** 培训 python main.py --config config/MITIndoor67.yaml 测验 python test.py --config config/MITIndoor67.yaml 结果 Dataset loaded! Train set. Size 5360 Validation set. Size 1340 Train set number of scenes: 67 Validation set numb

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：34816
    • 提供者：weixin_42123456

  1. 基于音频事件和主题模型的音频场景识别

  2. 基于音频事件和主题模型的音频场景识别

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：1048576
    • 提供者：weixin_38682161

  1. 空间图小波匹配核用于识别航空图像类别

  2. 本文提出了一种基于从航空图像中提取的匹配小图（即小连通子图）识别航空图像类别的方法。 通过构造区域邻接图（RAG）来编码每个航拍图像的几何特性和颜色分布，我们将航拍图像类别识别转换为RAG到RAG匹配。 基于图论，RAG到RAG的匹配是通过匹配所有它们各自的图小图进行的。 为了实现有效的小图匹配过程，我们开发了一种流形嵌入算法，将不同大小的小图转换为等长特征向量，并将这些特征向量进一步集成到内核中。 该内核用于训练用于航空影像类别识别的SVM [8]分类器。 实验结果表明，我们的方法优于几种最新

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：1048576
    • 提供者：weixin_38685857

  1. 紧凑的BoW和集成ELM可以进行准确而高效的场景识别

  2. 紧凑的BoW和集成ELM可以进行准确而高效的场景识别

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：395264
    • 提供者：weixin_38654220

  1. 3D-Terrain-Recognition:ALS点云的多视图和多模式表示的深度融合，用于3D地形场景识别-源码

  2. ALS点云的多视图和多模式表示的深度融合，用于3D地形场景识别 ALS点云的多视图和多模式表示的深度融合，用于3D地形场景识别 秦楠楠，胡向云*，戴恒明 [] 地形场景类别不仅可用于某些地理或环境研究，而且还可用于为多个点云处理任务选择合适的算法或算法的合适参数，以实现更好的性能。 但是，目前很少有针对地形场景分类的点云处理研究。 本文提出了一种新的深度学习框架，该框架使用稀疏点云的2D表示进行3D地形场景识别。 该框架有两个关键组成部分。 （1）首先，从机载激光扫描点云中提取几个合适的判别性

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：2097152
    • 提供者：weixin_42122432

  1. 结合结构和纹理特征的场景识别

  2. 结合结构和纹理特征的场景识别

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：786432
    • 提供者：weixin_38747211

  1. 使用梯度方向描述符的加权直方图进行自然场景识别

  2. 使用梯度方向描述符的加权直方图进行自然场景识别

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：568320
    • 提供者：weixin_38546622

  1. 深度学习场景识别：在本项目中，我们使用CNN将图像分类为不同的场景。 我们的目标包括构建使用PyTorch进行深度学习的基本管道，了解不同层，优化器背后的概念以及在观察性能的同时尝试不同的模型-源码

  2. 深度学习中的场景识别 在此项目中，我们使用CNN将图像分类为不同的场景。 该项目的目标包括构建使用PyTorch进行深度学习的基本管道，了解不同层，优化器背后的概念以及尝试使用不同的模型并观察性能。 项目设计归因：佐治亚理工学院，CS 6476（2020年秋季），Frank Dellaert

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：2097152
    • 提供者：weixin_42105169

  1. 基于核稀疏表示和AdaBoost算法的自然场景识别

  2. 为了提升自然场景图像的识别精度，结合bag-of-visual word模型，提出了一种基于核稀疏表示的图像识别方法。该方法的图像描述部分主要利用核稀疏表示在高维度空间进行图像特征的匹配表示，识别部分采用AdaBoost分类器，对各个类别编码并在对应的核矩阵上进行划分，从而实现多类场景图像的识别能力。实验结果表明，该方法有效的提升了图像描述的准确度与对自然场景图像识别的精度。

  3. 所属分类：其它

    • 发布日期：2021-01-28
    • 文件大小：1048576
    • 提供者：weixin_38743372

  1. 基于高维特征表示的交通场景识别

  2. 随着智能交通的发展，快速、精确识别交通场景成为亟待解决的重要问题。目前已有许多识别方法可以提高交通场景的识别效果，但这些算法无法提取视觉概念的交通语义特征，导致识别精度低下。为此，设计了一种提取高维场景语义特征和结构信息的识别算法，以提高识别精度。为减少图像高维与低维特征表示之间的“语义鸿沟”，首先构建了一个场景类的语义描述系统，然后通过最小化损失（element-wise logistic loss）函数训练多标签分类网络，获取交通场景图像的高维特征表示，最后在4个大规模场景识别数据集上进行验

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：5242880
    • 提供者：weixin_38713167

  1. 上下文场景识别模型的稀疏贝叶斯判别学习方法

  2. 在机器人场景识别问题中, 将连续场景的相关性通过基于隐马尔可夫模型的上下文模型进行描述. 采用不同于传统的使用生成模型方法学习上下文场景识别模型的方式, 首先引入稀疏贝叶斯学习机对上下文模型中图像特征的后验概率进行建模, 然后通过贝叶斯原理将稀疏贝叶斯模型与隐马尔可夫模型结合, 提出一种能够实现上下文场景识别模型的判别学习方法. 在真实场景数据库上的实验结果表明, 由该方法得到的上下文场景识别系统具有很好的场景识别能力和泛化特性.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：537600
    • 提供者：weixin_38684335
« 12 3 4 5 6 7 8 9 10 ... 50 »