资源列表
Image-Annotation
- 目前主题回归多模式潜在狄利克雷分配(tr-mmLDA),一个新颖的统计主题模型的图像和视频注释的任务。 在我们的新注释模型的核心是一种新颖的潜变量回归方法来捕获图像或视频特征和注释文本之间的相关性。 我们的方法不是在两个数据模态之间共享一组潜在主题,如在对应关系LDA的公式中,我们的方法引入了回归模块来关联两组主题,其捕获更一般的关联形式,并允许主题的数量 2个数据模态不同。 我们证明tr-mmLDA对2个标准注释数据集的功率:一个5000图像子集的COREL和一个2687图像的LabelMe数
KChart
- 能够识别股票图片的相似度,根据相似度来选出长得最像的图片-Similarity can identify stock pictures, according to the similarity to elect looks most like the picture
matlab
- 可利用matlab实现对图像进行膨胀、腐蚀、开启和闭合处理,自己输入图片-Can be achieved using matlab image expansion, corrosion, open and closed processing, their input pictures
halcon
- halcon算子函数介绍,资料很全,比较详细。-halcon operator function sheets, information is very wide, in more detail.
compsImg
- 栅格影像补偿处理,采用均值计算方法对空值栅格补偿处理-Image compensation processing
Saliency-Detection
- 提出一种新的显着性检测方法,通过将区域级显着性估计和像素级显着性预测与CNN(表示为CRPSD)相结合。对于像素级显着性预测,通过修改VGGNet体系结构来执行完全卷积神经网络(称为像素级CNN)以执行多尺度特征学习,基于该学习进行图像到图像预测以完成像素级显着性检测。对于区域级显着性估计,首先设计基于自适应超像素的区域生成技术以将图像分割成区域,基于该区域通过使用CNN模型(称为区域级CNN)来估计区域级显着性。通过使用另一CNN(称为融合CNN)融合像素级和区域级显着性以形成nal显着图,并
CNN
- 本程序是深度学习的卷积神将网络代码,就有很高的学习价值,热烈欢迎下载,您定受益匪浅-This procedure is the convolution depth study of God' s will the network code, there is a high learning value, a warm welcome to download, set your benefit
20170109-detectMinEigenFeatures
- detectMinEigenFeatures_main,标准版,具有极其高的应用价值-detectMinEigenFeatures_main, Standard Edition, with a very high value
POWERfigure
- 基于ORIGIN的画图程序,可以直接拿来该数据画图,写文章专用-figure in ORIGIN
CircleFitting
- 该函数实现的是激光光斑中心检测。首先对光斑进行预处理,然后利用最小二乘法来拟合光斑,得到光斑的中心坐标以及光斑半径。-This function is implemented in the laser spot detection. First spot pretreatment, and then use the method of least squares fitting spot to get a spot center coordinates and the radius of the
GravityCenter
- 该函数实现的是激光光斑中心检测。首先对光斑进行预处理,然后利用灰度重心法来计算得到光斑的中心坐标,最后利用MATLAB的绘图功能描绘出光斑中心位置的变化情况。-This function is implemented in the laser spot detection. First spot pretreatment, and then use the barycenter method to calculate the coordinates of the center of the sp
SpotDetection
- 几篇关于光斑中心检测的高水平论文,可以帮助我们学习一下光斑中心检测的方法。-Several papers on the spot detection of high-level papers, can help us learn about the method of spot detection.