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. BoW|Pyramid BoW+SVM进行图像分类

  2. 图像的特征用到了Dense Sift，通过Bag of Words词袋模型进行描述，当然一般来说是用训练集的来构建词典，因为我们还没有测试集呢。虽然测试集是你拿来测试的，但是实际应用中谁知道测试的图片是啥，所以构建BoW词典我这里也只用训练集。 其实BoW的思想很简单，虽然很多人也问过我，但是只要理解了如何构建词典以及如何将图像映射到词典维上去就行了，面试中也经常问到我这个问题，不知道你们都怎么用生动形象的语言来描述这个问题？ 用BoW描述完图像之后，指的是将训练集以及测试集的图像都用BoW模

  3. 所属分类：其它

    • 发布日期：2011-11-01
    • 文件大小：3145728
    • 提供者：lipiji1986

  1. 大规模基于内容的图像检索

  2. 大规模图像检索的代码，matlab与c++混合编程。总结了目前图像检索领域目前主要存在的方法。通过阅读该代码，可以对于经典的“词袋”模型（bow模型）有个具体的了解，但是该代码没有提供前序的特征提取，是直接从对提取好的特征向量聚类开始的，包括了k-means，分层k-means（HKM）聚类，倒排文件的建立和索引等，该代码还提供了局部敏感哈希（LSH）方法。最后，这份代码是下面这篇论文的作者提供的， Indexing in Large Scale Image Collections: Scal

  3. 所属分类：其它

    • 发布日期：2012-09-17
    • 文件大小：1036288
    • 提供者：zhaolu2009

  1. 词袋的代码

  2. BOW模型即是bag of words,Bag-of-words模型是信息检索领域常用的文档表示方法。在信息检索中，BOW模型假定对于一个文档，忽略它的单词顺序和语法、句法等要素，将其仅仅看作是若干个词汇的集合，文档中每个单词的出现都是独立的，不依赖于其它单词是否出现。也就是说，文档中任意一个位置出现的任何单词，都不受该文档语意影响而独立选择的。

  3. 所属分类：Java

    • 发布日期：2013-01-09
    • 文件大小：477184
    • 提供者：verawxl

  1. BOW（Bag of words，词袋）模型代码实现

  2. SIFT等局部特征的词袋模型实现。包括K-means聚类，直方图特征的形成，以及KNN分类。

  3. 所属分类：C++

    • 发布日期：2014-05-19
    • 文件大小：26214400
    • 提供者：zzzbit

  1. 词袋模型(BOW)代码

  2. 详细的词袋模型代码，用于图像检索等。用到了k近邻搜索，kmeans 算法等，注释清晰，利于学习交流。

  3. 所属分类：C/C++

    • 发布日期：2014-10-22
    • 文件大小：26214400
    • 提供者：sinat_22305883

  1. BOW词袋模型

  2. 简单的介绍了BoW模型，以及相应的SIFT特征 主要分以下几部分内容: 1.SIFT 2.BOW 3.VLAD

  3. 所属分类：讲义

    • 发布日期：2015-07-03
    • 文件大小：5242880
    • 提供者：lilai619

  1. bag of word

  2. Bag-of-words模型是信息检索领域常用的文档表示方法。在信息检索中，BOW模型假定对于一个文档，忽略它的单词顺序和语法、句法等要素，将其仅仅看作是若干个词汇的集合，文档中每个单词的出现都是独立的，不依赖于其它单词是否出现。也就是说，文档中任意一个位置出现的任何单词，都不受该文档语意影响而独立选择的。

  3. 所属分类：其它

    • 发布日期：2015-08-10
    • 文件大小：18432
    • 提供者：xyj702

  1. BoW|Pyramid BoW+SVM进行图像分类

  2. 图像的特征Dense Sift提取，通过Bag of Words词袋模型进行描述，用BoW描述完图像之后，指的是将训练集以及测试集的图像都用BoW模型描述了，就可以用SVM训练分类模型进行分类了。在这里除了用SVM的RBF核，还自己定义了一种核： histogram intersection kernel，直方图正交核。很多论文说这个核好，并且实验结果很显然。能从理论上证明一下么？通过自定义核也可以了解怎么使用自定义核来用SVM进行分类

  3. 所属分类：其它

    • 发布日期：2015-08-12
    • 文件大小：3145728
    • 提供者：kjj999ok

  1. 视觉词袋bag of view word词袋模型BOVW

  2. 一个视觉词袋模型(bovw)的示例程序，用于给食物进行分类。C++实现。里面包含用作训练集和测试集的图片。源代码是linux系统下运行，所以需要额外下载dirent.h才能运行，已附在压缩包里面。经测试效果比较令人满意。由于附件大小限制，删除了project，需要自行建工程；删除了约一半的train图片，需要删除相应的training.txt中路径。借鉴思路，体会精神0.0

  3. 所属分类：C++

    • 发布日期：2016-01-12
    • 文件大小：55574528
    • 提供者：xxiaotouming

  1. BOW视觉词袋模型的matlab实现易理解，模块化

  2. 这里面的matlab代码是BOW的实现，里面有kmeans++的部分，模块化，易理解，稍微改动就可以用于解决自己的问题

  3. 所属分类：专业指导

    • 发布日期：2016-04-27
    • 文件大小：1024
    • 提供者：dulingtingzi

  1. 基于词袋模型的图像分类算法研究

  2. 基于词袋模型的图像分类算法研究

  3. 所属分类：其它

    • 发布日期：2016-05-04
    • 文件大小：11264
    • 提供者：maodong2056

  1. bow词袋模型的代码

  2. bow词袋代码，包括k-mean，knn，sift

  3. 所属分类：C++

    • 发布日期：2017-01-17
    • 文件大小：26214400
    • 提供者：pylkaoyan2

  1. bag of words forimage

  2. 该代码是词袋模型的核心代码，有现成的程序段供大家参考使用。请下载交流学习使用！

  3. 所属分类：机器学习

    • 发布日期：2017-11-08
    • 文件大小：2097152
    • 提供者：hailing123321

  1. BoW模型简介

  2. Bag of words模型最初被用在文本分类中，将文档表示成特征矢量。它的基本思想是假定对于一个文本，忽略其词序和语法、句法，仅仅将其看做是一些词汇的集合，而文本中的每个词汇都是独立的。简单说就是讲每篇文档都看成一个袋子（因为里面装的都是词汇，所以称为词袋，Bag of words即因此而来），然后看这个袋子里装的都是些什么词汇，将其分类。如果文档中猪、马、牛、羊、山谷、土地、拖拉机这样的词汇多些，而银行、大厦、汽车、公园这样的词汇少些，我们就倾向于判断它是一篇描绘乡村的文档，而不是描述城镇

  3. 所属分类：其它

    • 发布日期：2018-05-14
    • 文件大小：14336
    • 提供者：weixin_39306547

  1. 空间金字塔pool.zip

  2. 空间金字塔方法表示图像是传统BOF(Bag Of Features)方法的改进，传统BOF方法提取图像特征时，首先提取每张图像的SIFT特征描写叙述，之后将全部图像的兴趣点的特征描写叙述进行聚类形成BOW视觉词袋。最后对每张图像统计全部视觉关键词出现的频次。因此BOF是在整张图像中计算特征点的分布特征。进而生成全局直方图，所以会丢失图像的空间分布信息。无法对图像进行精确地识别。为了克服BOF的这一缺点。提出了空间金字塔方法，它是在不同分辨率上统计图像特征点分布。从而获取图像的空间信息。

  3. 所属分类：深度学习

    • 发布日期：2019-09-26
    • 文件大小：225443840
    • 提供者：qq_22417447

  1. 基于视觉字典的移动机器人闭环检测方法研究

  2. 针对移动机器人同步定位和地图构建（SLAM）的闭环检测问题，提出了一种基于视觉字典的闭环检测方法。该方法首先使用SURF算法对每一帧图像进行特征提取，生成视觉单词，构建视觉字典树，再基于“词袋”（Bag of Words，BoW）对场景建模，通过计算图像视觉单词的匹配度估计图像间的相似度。为提高闭环检测的成功率，运用贝叶斯滤波与相似度来计算闭环假设的后验概率分布。同时，为提高系统的实时性，引入了内存管理机制。实验结果显示该方法是有效的。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：490496
    • 提供者：weixin_38690017

  1. 基于双层视觉密码本的有效图像表示

  2. 最近，基于视觉词袋（BoW）的图像表示在图像分类和检索应用中引起了很多关注。 众所周知，视觉密码本的构造和相关的量化方法在BoW模型中起着重要的作用。 传统上，视觉代码簿是通过将局部特征聚类成组而生成的，原始特征很难量化到其最近的中心。 众所周知，量化误差可能会降低BoW表示的有效性。 为了解决这个问题，文献中已经提出了几种基于软量化的方法。 但是，这些方法的有效性仍然不能令人满意。 在本文中，我们提出了一种基于双层码本的新颖有效的图像表示方法。 在这种方法中，我们首先构造双层码本以显着减少量化

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：789504
    • 提供者：weixin_38685455

  1. 基于词袋模型的局部特征信息获取的室内场景分类

  2. 针对室内家庭场景分类问题，提出了一种局部特征信息获取的BOW模型。 实验结果表明，不仅提高了性能，而且减少了计算量。 因此，该方法执行了最新的方法。

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：899072
    • 提供者：weixin_38661128

  1. 基于语义分布相似度的主题模型

  2. 潜在狄利克雷分布(LDA)以词袋(bag of words,BOW)模型为基础,简化了建模的复杂度,但使得主题的语义连贯性较差,文档表征能力不强。为解决此问题,提出了一种基于语义分布相似度的主题模型。该模型在EM(expectation maximization)算法框架下,使用GPU(generalized Pólya urn)模型加入单词—单词和文档—主题语义分布相似度来引导主题建模,从语义关联层面上削弱了词袋假设对主题产生的影响。在四个公开数据集上的实验表明,基于语义分布相似度的主题模型在

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：678912
    • 提供者：weixin_38722607

  1. 【ECIR2021】信息检索技术进展: 从词袋到BERT，

  2. 最近，自然语言处理领域的进步引发了adhoc搜索任务的复兴。特别是，大型上下文化语言建模技术，如BERT，已经为排序模型配备了比以前的单词袋(BoW)模型更深入的语言理解能力。将这些技术应用到新任务中是很棘手的，需要深度学习框架的知识，以及重要的脚本和数据分析。

  3. 所属分类：机器学习

    • 发布日期：2021-04-01
    • 文件大小：30408704
    • 提供者：syp_net
« 12 »