搜索资源列表
bp神经网络的车辆分类
- c语言编写的基于BP神经网络的对图像车辆分类，其中图像特征提取是用图像不变矩，给出了图像不变矩的样本数据和验证数据。-based BP neural network image of the vehicle classification, Feature Extraction which is the same image moments, the image is unchanged Moments sample data and test data.
BasicGS
- 基本图形演示(64K动画样本原代码OPENGL） 各种各样的基本图形的显示富含大量的源码例子。-basic graphic demonstration (64K animation sample source OpenGL), a wide range of basic graphics display rich source of a large number of examples.
LeafRecognization-FromLittlebone
- 首先对10个样本进行学习，计算得到一个“叶子”的“记忆”模式，然后对输入的模式进行识别，给出相似度。-first pair of 10 samples for study, calculated a "leaf" the "memory" mode, and then import the model identification, given similarity.
image-textual-analysis
- 计算图像纹理共生矩阵及共生矩阵相关系数、熵等几个特征值，供后续的分类识别应用。提供了友好的操作界面。觉得最好的应用就是用于人脸识别的样本训练。-calculated image texture symbiotic matrix and symbiotic correlation coefficient matrix, some features, such as entropy values for the follow-up to the recognition and classificat
DigitRec
- 数字识别系统源代码: 第一步：训练网络。使用训练样本进行训练 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90％。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“
therecignitionofnumberbypipei
- 本程序是一个利用模板匹配法进行手写数字识别的程序,待识别的样本是0~9几个数字,内容包括位图的读写,细化方法,模板的建立等-this procedure is the use of a template matching method handwritten numeral recognition procedures question identify the sample was 0 ~ 9 figures, including bitmap literacy, refining metho
ImageCheck
- 使用Direct show从摄像头采集图片，判断图像中是否有运动人体，并进行报警和保留样本，可用于智能监控。-show from the use of Direct Acquisition camera pictures, to judge whether there are images of human movement, and the police and retain samples for intelligent monitoring.
TypRec
- 车牌识别程序之车牌分割算法，MFC开发，带样本图片文件-LPR procedures plates segmentation algorithm, MFC development, with sample photos
使用FLD进行但样本识别
- 使用FLD进行但样本识别，解决样本需求问题
DigitalIdentification
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。-err
DigitalRecognitioncode
- 使用说明第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90 。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行
boostingDemo
- adaboost的实现算法，可进行人脸的样本训练-implementation of the AdaBoost algorithm, can be a sample of people face training
20064817924orl_faces_112x92
- ORL人脸图像库，共40人，每人10幅图像，其中每人的前5幅作为训练样本，后5幅作为测试分类样本，统计正确分类率。分类准则为最近邻规则。 真实的图像尺寸为112x92，列向量堆积对应人脸库矩阵的每一列。 -ORL face image database, a total of 40 per 10 images, each of which the first five as training samples, after the 5 categories as a test sampl
chap11
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。 - Thi
Read_MNIST_DataSet
- 读取标准手写数字库中的图像，包含60000个训练样本和10000个识别样本-hand written digital,contains 60000 trains example and 10000 test images.
SampleMakingTool
- 用于目标检测制作正负样本，正样本在选取框的周围采样，负样本在图片其他位置采样。(For target detection, making positive and negative samples, positive samples are sampled around the selection box, and negative samples are taken at other locations in the picture.)
车牌识别训练样本
- 车牌识别训练样本，0-9的数字训练样本，可用来做车牌识别(download for License plate recognition training sample)
车牌样本库
- 用来训练的样本库,只有整车的图片，车牌需要自己识别切割(Image for SVM trainning)
人头训练正负样本数据集
- 用来训练人头识别模型的正负样本数据集，正样本数据已经resize化。(The positive and negative sample data set is used to train the head recognition model, and the positive sample data has been resize.)
EMD样本熵特征提取
- 分享样本熵（Sample Entropy, SampEn, SE）的理论相关知识及其代码实现。