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. OpenCV训练分类器Adaboost__使用方法

  2. 目标检测方法最初由Paul Viola [Viola01]提出，并由Rainer Lienhart [Lienhart02]对这一方法进行了改善。该方法的基本步骤为： 首先，利用样本（大约几百幅样本图片）的 harr 特征进行分类器训练，得到一个级联的boosted分类器。 分类器中的"级联"是指最终的分类器是由几个简单分类器级联组成。在图像检测中，被检窗口依次通过每一级分类器， 这样在前面几层的检测中大部分的候选区域就被排除了，全部通过每一级分类器检测的区域即为目标区域。 分类器训练完以后，

  3. 所属分类：C++

    • 发布日期：2013-12-13
    • 文件大小：114688
    • 提供者：buwan86658

  1. opencv 的汽车分类器的正样本。

  2. 是 opencv 训练 汽车的正样本，有7千张，并且是彩色图片，大小没有裁剪，可以利用cadsee 工具裁剪

  3. 所属分类：C/C++

    • 发布日期：2014-05-27
    • 文件大小：28311552
    • 提供者：ly03091234

  1. adaboost训练的汽车分类器文件

  2. 选了2000多个汽车正样本和7000多个汽车负样本，提取harr特征，用adaboost训练了一个星期得到的汽车分类器文件，检测率高达百分之九十五以上，信不信，试试就知道了！

  3. 所属分类：C++

    • 发布日期：2014-09-02
    • 文件大小：560128
    • 提供者：lc900411

  1. adaboost训练的汽车分类器文件

  2. 选了2000多个汽车正样本和7000多个汽车负样本，提取harr特征，用adaboost训练了一个星期得到的汽车分类器文件，检测率高达百分之九十五以上，信不信，试试就知道了！

  3. 所属分类：C++

    • 发布日期：2014-10-05
    • 文件大小：560128
    • 提供者：u013159804

  1. python opencv检测汽车侧视图

  2. 用opencv检测汽车侧视图，包含有有级联分类器的正负样本，可以自己训练xml分类器

  3. 所属分类：Python

    • 发布日期：2017-07-16
    • 文件大小：14680064
    • 提供者：lingdongtianxia

  1. 汽车构造之变速器和分动器

  2. 变速器和分动器的概述,变速器的功用,变速器的分类,基本变速原理 ,变速器基本结构,基本变速原理,倒档变速原理,分动器,以及本章节复习思考题,这是别人给我的,希望对大家有用

  3. 所属分类：专业指导

  1. HOG分类器文件和测试视频

  2. 利用opencv中的svm训练汽车hog特征得到的分类器，其中window_x=window_y=64，block_x=block_y=16，block_stride_x = block_stride_y = 8, cell_x = 8, cell_y = 8.详细信息参见我的github:https://github.com/A-Rain/car-and-line-detection

  3. 所属分类：机器学习

    • 发布日期：2018-06-20
    • 文件大小：63963136
    • 提供者：weixin_37762749

  1. opencv汽车分类训练正负样本

  2. opencv汽车分类训练正负样本，其中正样本516张，负样本1045张，从视频上手工抠图下来的，可以用来做车辆分类训练测试

  3. 所属分类：其它

    • 发布日期：2018-01-15
    • 文件大小：14680064
    • 提供者：avernur

  1. 神经网络汽车分类器

  2. 山东大学软件学院Python实验，使用sklearn建立汽车分类器模型

  3. 所属分类：机器学习

    • 发布日期：2019-01-07
    • 文件大小：15360
    • 提供者：zzc_zhuyu

  1. Keras搭建自编码器操作

  2. 简介： 传统机器学习任务任务很大程度上依赖于好的特征工程，但是特征工程往往耗时耗力，在视频、语音和视频中提取到有效特征就更难了，工程师必须在这些领域有非常深入的理解，并且需要使用专业算法提取这些数据的特征。深度学习则可以解决人工难以提取有效特征的问题，大大缓解机器学习模型对特征工程的依赖。 深度学习在早期一度被认为是一种无监督的特征学习过程，模仿人脑对特征逐层抽象的过程。这其中两点很重要：一是无监督学习；二是逐层训练。例如在图像识别问题中，假定我们有许多汽车图片，要如何利用计算机进行识别任务呢

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：141312
    • 提供者：weixin_38641561

  1. sdcn-3-traffic-signs-classifier:非常简单的交通标志分类器-源码

  2. 交通标志识别 Udacity-无人驾驶汽车NanoDegree-项目3 简单的神经网络对路标进行分类

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：668672
    • 提供者：weixin_42138788

  1. Deep-Neural-Network-based-parking-system:使用Fastai库训练了基于Resnet101的汽车和空置空间分类器。 与laplacian操作员结合使用，可自动管理停车-源码

  2. 基于深度神经网络的停车系统 特征： （第1课）用于训练基于Resnet101的深度神经网络分类器，该分类器对空白区域和小汽车进行分类 拉普拉斯算子给出边并使用其密度检查停车位的状态，然后每当停车位的状态发生任何变化时，都会在该停车位处引入分类器，以确定其是否为汽车并改变停车位的颜色指示它是被占用还是空 使用OpenCV并使用其内置功能，以观察其效率 尝试了一些计算机视觉技术，例如背景减法，核扩散和变形 使用Google colab编写的代码易于使用，并使没有GPU的人能够使用Google的慷慨

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：25165824
    • 提供者：weixin_42098830

  1. 基于轮廓特征的场景动态目标实时分类研究

  2. 针对动态场景目标的分类问题,提出一种基于轮廓特征的运动目标分类方法。通过构建多种轮廓特征相结合的特征向量模型来描述动态目标,作为分类器学习判别的基础。该方法首先通过混合高斯模型提取出视频中的动态场景目标,经图像形态学的处理,获得较为精确的动态场景目标轮廓图像,然后使用特征向量模型提取轮廓的相关特征作为分类器学习判别的依据,并得到最终分类结果。以常见的运动目标汽车、行人、自行车作为分类类别进行实验。结果表明该方法有较高的分类精度,且具有实时性好,易于实现的特点。

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：715776
    • 提供者：weixin_38562725

  1. monk_v1:Monk是一种低代码深度学习工具，并且是计算机视觉的统一包装器-源码

  2. 为什么使用和尚 问题：想开始学习计算机视觉 解决方案：从Monk的动手学习路线图教程开始 问题：多个库，因此需要学习多种语法 解决方案：和尚的一种语法来统治所有这些-pytorch，keras，mxnet等 问题：在参加深度学习竞赛时很难跟踪所有试验项目 解决方案：使用和尚的项目管理并进行多个原型实验 问题：在训练分类器时很难设置超参数 解决方案：尝试使用超参数分析仪以找到合适的位置 问题：寻找图书馆为您的客户建立快速解决方案 解决方案：使用和尚的低代码语法进行训练，推断和部署 创建真实世界的图

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：165675008
    • 提供者：weixin_42097369

  1. 复杂背景下车型识别分类器

  2. 细粒度车型图像的类间特征差异小，在复杂图片背景中识别干扰因素多。为提高模型在复杂背景中对图像的特征提取能力和识别准确度，提出了基于支持向量机（SVM）和深度卷积神经网络（DCNN）的分类器集成模型Softmax-SVM。它将交叉熵代价函数与hinge损失函数相结合，代替Softmax函数层，减少了过拟合的发生。同时，设计了一个10层的DCNN提取特征，避免了手工提取特征的难题。实验数据集为复杂背景下的27类精细车型图像，尤其还包含同一汽车厂商的相近车型。实验结果表明，在不进行大量预处理的前提下，

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：7340032
    • 提供者：weixin_38704156

  1. computer-vision_german-traffic-signs：此仓库包含我们尝试检测和分类德国交通标志数据集中的交通标志的尝试。 合著者：jomartla＆MateuszKlimas-源码

  2. 计算机视觉：交通标志检测和分类 该存储库包含我们尝试对德国交通标志数据集中的图像中的交通标志进行检测和分类的尝试。 ： ＆ 每个笔记本都包含一个迭代，以稍有不同的方式解决问题，这是的最新也是最完整的版本。 您可以阅读我们工作的完整报告。 以下是所采取步骤的简短摘要： 问题陈述 我们要解决的问题可以用以下句子来说明： 给定一个图像，找到其中的所有交通标志（检测）并告诉它们是哪些（分类）。 我们的方法 为了解决这个问题，我们设计并训练了两个CNN网络： 二进制分类器：决定图像中是否包含交

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：16777216
    • 提供者：weixin_42176612

  1. CarND-Capstone：端到端自动驾驶汽车软件-源码

  2. 项目：端到端无人驾驶汽车软件 该机器人深度学习应用程序的目标是通过系统集成使用感知，路径规划和控制模块，在虚拟高速公路周围安全地操纵汽车，同时在红色交通信号灯处停车。 该机器人深度学习应用程序还具有一个交通信号灯分类器，可在模拟器中检测和识别交通信号灯。 这是一个识别红色交通灯的交通信号灯分类器的示例： 这是识别黄色交通信号灯的交通信号灯分类器的示例： 这是识别绿色交通灯的交通信号灯分类器的示例： 我们主要关心红色交通信号灯，因为这会告诉汽车停止行驶，红色以外的其他交通信号灯颜色会告

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：32505856
    • 提供者：weixin_42129005

  1. insurance_cross_sell：使用ML向健康保险客户交叉销售汽车保险-源码

  2. 交叉销售汽车保险 该项目使用机器学习来预测当前的健康保险客户是否会购买汽车保险。 基础数据是从Kaggle获得的，其中包含有关先前销售的信息。 在测试各种分类器（包括逻辑回归，支持向量分类器，KNN分类器和随机森林分类器）之前，使用SMOTENC对数据进行了转换和上采样。 在使用默认的超参数对分类器进行测试之后，进行了网格搜索以识别最佳的超参数组合。

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：6291456
    • 提供者：weixin_42134094

  1. 自动驾驶汽车：Udacity自动驾驶汽车工程师Nanodegree项目-源码

  2. 自动驾驶汽车 在此存储库中，我将共享的所有项目的源代码。 希望这对某人有用！ :-) 总览 专案 P1：基本车道查找 P2：交通标志 P3：行为克隆 P4：高级车道发现 P5：车辆检测 P6：外部卡尔曼滤波 P7：取消。 卡尔曼滤波 P8：绑架车辆 P9：PID控制器 P10：MPC控制器 P11：路径规划 P12：道路分割 顶石 简单的交通信号灯分类器集成在顶点项目中。 目录 摘要：在视频流上检测到高速公路车道线。 使用OpencV图像分析技术

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：122683392
    • 提供者：weixin_42134143

  1. scca_classifier:SCCA规则视觉辅助和分类器-源码

  2. scca_classifier SCCA规则视觉辅助和分类器 该项目的目的是使理解SCCA分类规则变得容易。 在一开始主要关注Solo（自动交叉）分类。 最初的想法是一个涡轮税式界面，它会提出一系列问题，并尝试根据答案确定您的课程。 同样，类的交互式视觉表示可能会很有用。 目的是首先编写一个Web应用程序，然后编写一个移动应用程序。 项目目标 完全静态的站点，没有后端服务器/ API调用 用普通HTML5，CSS和Javascr ipt编写-没有沉重的Web框架（主要是我可以学习Web开发）

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：113664
    • 提供者：weixin_42097508
« 12 3 4 5 »