资源列表
openscenegraph-all-2.8.2-win32-x86-vc90-Release.zi
- OSG2.8.2可以用于编译OSG 工程，可以编译为开发环境.-OSG2.8.2
SpectralMatting-code.tar
- 实现了Anat Levin的Spectral Matting代码-the code of Spectral Matting
facedetection
- 基于Gabor特征的人脸检测matlab-face detect based Gabor feature
spectralMattingCode
- spectral matting算法，很经典的利用模板图进行抠图的算法，包含一个头文件和cpp文件，直接调用接口即可-Spectral matting algorithm, very classic algorithm using template figure cutout, contains a header file and CPP files, directly call interface
renlianshibie_MATLAB
- 该人脸识别系统用机器学习的方法自动学习特征，然后自动检测，识别率高-The face recognition system using machine learning methods of automatic learning characteristics, then automatic detection, high recognition rate
renlianjiance
- 人脸识别经过近 40 年的发展，取得了很大的发展，涌现出了大量的识别算法。这些算法的涉及面非常广泛，包括模式识别、图像处理、计算机视觉、人工智能、统计学习、神经网络、小波分析、子空间理论和流形学习等众多学科。所以很难用一个统一的标准对这些算法进行分类。根据输入数据形式的不同可分为基于静态图像的人脸识别和基于视频图像的人脸识别。因为基于静态图像的人脸识别算法同样适用于基于视频图像的人脸识别，所以只有那些使用了时间信息的识别算法才属于基于视频图像的人脸识别算法。接下来分别介绍两类人脸识别算法中的一些
SPM_SC
- This package contains the Matlab codes implementing the ScSPM algorithm described in CVPR 09 paper Linear Spatial Pyramid Matching using Sparse Coding for Image Classification .基于空间金字塔匹配的稀疏编码，用于图像检索，识别与分类-This package contains the Matlab codes im
CVPR09-ScSPM
- 基于稀疏编码和线性塔式匹配的图像分类算法。-This package contains the Matlab codes implementing the ScSPM algorithm described in CVPR 09 paper "Linear Spatial Pyramid Matching using Sparse Coding for Image Classification".
CVPR09-ScSPM
- 基于空间金字塔匹配的稀疏编码，用于图像检索和图像识别。-Spatial pyramid matching based on sparse coding for image retrieval and image recognition.
CVPR09-ScSPM
- 基于稀疏表示的图像超分辨算法，论文作者源代码-Image sparse representation based super-resolution algorithm, source code authors
Image-Classification
- 本文实现了09年CVPR的文章Linear Spatial Pyramid Matching using Sparse Coding for Image Classification-This package contains the Matlab codes implementing the ScSPM algorithm described in CVPR 09 paper "Linear Spatial Pyramid Matching using Sparse Coding for
tif7
- 基于gdal写的C#读取多波段tif文件，初学gdal，写的比较少-Tif file is based gdal to read tif files write by C#, beginner gdal, write less