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. Robust Real-time Object Detection 论文 整理ppt 及一篇相关中文论文

  2. Robust Real-time Object Detection 论文& 整理ppt &及一篇相关中文论文 关于利用opencv训练分类器的原理的~~~

  3. 所属分类：专业指导

    • 发布日期：2011-10-28
    • 文件大小：6291456
    • 提供者：timidsmile

  1. 基于SVM与BoW的图片分类的OpenCV实现

  2. 基于OpenCV实现的图像分类源码，使用了Bag of Words方法，可查阅相关论文了解其原理。本程序包括：图像特征字典训练程序、SVM分类器训练程序、图像分类程序。其中，用了OpenMP对训练过程进行了加速。代码风格好，使用OpenCV2实现。是一个难的学习OpenCV图像分类的好资料！

  3. 所属分类：C++

    • 发布日期：2013-08-06
    • 文件大小：17408
    • 提供者：honze

  1. 基于OpenCV人脸识别的分析与实现.doc

  2. 本文首先介绍了人脸识别技术的研究背景、国内外研究现状和应用场景；研究了Viola&Jones人脸检测算法的基本原理，并对其中涉及的Haar-like特征、积分图方法、AdaBoost分类器和级联的思想进行了阐述；研究了基于PCA实现的特征脸算法、基于LDA实现的Fisherfaces算法和局部二值模式直方图（LBPH）算法三种人脸识别算法的基本原理及思想；最后，通过上述理论学习，基于OpenCV，在Visual Studio 2012开发环境下，利用ORL人脸数据库，分别对上述算法进行了算法实现

  3. 所属分类：机器学习

    • 发布日期：2020-03-01
    • 文件大小：1048576
    • 提供者：beans9

  1. 小白带你查看如何用OpenCV检查人脸图像

  2. 1.人脸识别是个分类问题 人脸 不是人脸 2.OpenCV提供三种不同的训练级联分类器 通常的情况下，分类器会对多个图片特征进行识别，如一张【图】人脸识别图片1，图中有个可爱的小女孩和狗狗， 人可以一眼就是辨别出来，但计算机保存的是一组组像素文件RGB（0-255）的数组，如何让计算机识别是狗狗和人的图片，就需要进行不断的学习样本。 人脸识别图片1  3.级联分类器 3.1 分类器原理 【图】级联分类原理图1，学过c或java的都知道的条件语句，级联分类器就是条件分支语句 开始，通过条件1，如

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：533504
    • 提供者：weixin_38560107

  1. (四)OpenCV级联分类器训练与使用_01_Haar与LBP级联分类器原理

  2. ①Haar特征与LBP特征 小波特征+对角线特征“类Haar特征”,局部二值模式“替代特征LBP”。 ②级联分类器原理AdaBoost Viola和Jones,2001在CVPR提出; 一种实时对象(人脸)检测框架; 训练速度非常慢,检测速度非常快; 5000个正向人脸样本与300万个非人脸负样本数据。 级联分类器:多个强分类器组合 弱分类器:weak classifier = Feature 强分类器:多个弱分类器的线性组合 ③OpenCV中级联分类器使用CascadeClassifier 加

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：142336
    • 提供者：weixin_38663169

  1. OpenCV机器学习——支持向量机SVM

  2. OpenCV中集成了多种机器学习算法供我们方便使用，如果我们要训练数据进行分类，不用自己写分类器，只需要调用相应的库和类即可轻松实现。本文重点不在于介绍机器学习原理及数学推导，着重介绍OpenCV中的机器学习相关函数，并且用十分简单的训练数据作为例子实现分类。 对于OpenCV的机器学习分类器，大多换汤不换药，构造方法和实现方法很类似，基本遵循原始数据—训练分类器—进行分类的步骤，某些算法可能有特殊的初始化参数，需要额外设置在实现任何分类器之前，都需要训练数据。插句题外话，训练数据的好坏是一个分

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：81920
    • 提供者：weixin_38603936

  1. python实现感知机线性分类模型示例代码

  2. 前言 感知器是分类的线性分类模型，其中输入为实例的特征向量，输出为实例的类别，取+1或-1的值作为正类或负类。感知器对应于输入空间中对输入特征进行分类的超平面，属于判别模型。 通过梯度下降使误分类的损失函数最小化，得到了感知器模型。 本节为大家介绍实现感知机实现的具体原理代码: 运 行结果如图所示： 总结 以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对软件开发网的支持。 您可能感兴趣的文章:

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：148480
    • 提供者：weixin_38577551