搜索资源列表
face-detector
- 人脸检测的PCA算法。先利用PCA算法，将测试集在人脸空间中进行训练，得到人脸空间的基向量，再用试验图片进行试验。-PCA algorithm for face detection. First use of PCA algorithm, the test set in the face space for training, get face space basis vectors, and then test picture test.
PlateIdentify
- c++图像处理的应用实例,车牌号识别,使用神经网络识别算法,识别过程已经优化,可以直接接上摄像头以及前置编程使用。注意训练样本集的扩充。-palte identify to car.
a-detection-method-based-on-feature
- 作者采用基于特征的车辆检测方法，其算法执行速度比较快，能够适应单目视觉系统的使用需要，而且也无须像基于训练的方法那样利用选取的车辆特征集对样本数据进行训练。本方法直接从图像中提取用于车辆检测的特征，以此来判断车辆是否存在并确定车辆的位置。-Of feature-based vehicle detection method, the algorithm performs faster, able to adapt to the use of the monocular vision system,
Bayesian-based-classifier-design
- 基于贝叶斯的分类器设计.用“cancer.mat”的数据作为训练样本集，建立Bayes分类器，用测试样本数据对该分类器进行测试，从而加深对所学内容的理解和感性认识。-Based on the Bayes classifier. ' Cancer.mat data as the training sample set, the establishment of the Bayes classifier, the classifier is tested with the test sampl
tracking
- 本文提出了一种复杂条件下基于子空间梯度方向直方图跟踪的方法,通过大量样本的离线训练构建目标的投影子空间,并用梯度方向直方图在子空间的投影作为新的目标描述特征. 为了满足实时性的要求,采用积分直方图方法 提高粒子特征的计算速度 然后结合粒子滤波方法在子空间中计算粒子与训练样本集之间的相似度,进而估计目标的运动参数.-A subspace t racking method is proposed to t rack target s under complex environment s. Fi
BPchepaiyingwenzimushibie
- 基于BP神经网络的车牌英文字母识别，含从车牌上剪切出来的训练样本集。-English letters BP neural network-based license plate recognition, with the cut out from the license plate on the training sample set.
BPchepaishuzishibie
- 基于BP神经网路的车牌字符识别，包括训练样本集包含对样本的训练程序，测试用例。-BP neural network-based license plate character recognition, including the training sample set contains samples of the training program, the test case.
MyBayes
- 2.编写两类正态分布模式的贝叶斯分类程序。 设以下模式类别具有正态概率密度函数： ω1：{(0 0)T, (2 0)T, (2 2)T, (0 2)T} ω2：{(4 4)T, (6 4)T, (6 6)T, (4 6)T} （1）设P(ω1)= P(ω2)=1/2，求这两类模式之间的贝叶斯判别界面的方程式。 （2）绘出判别界面。 3.已知服从正态分布的两类训练样本集分别为 ：，，，， ：，，， ，试问属于哪一类？
HOGCalculator
- HOG算子，多数据集训练样本，用于行人目标检测，属于训练样本的核心程序。-HOG operator, used for target detection.
pattern1_b
- 开集测试。用前20个人的前5张图像作为训练，剩下的图像作为测试。也就是说总共有100张图片和300张测试图像。注意，这时候，后20个人并没有出现在训练集中，需要给出一个合理的拒识方式来判断某张图像是否在训练的20个人中。请设计一个合理的拒识方式（最简单的方式是对测试图像到训练图像的最近距离设定一个阈值），并给出ROC曲线（在a问的前提下选择一个合理的K来做，不一定要考察K的影响）。-Open set tests. 20 individuals with the former image as t
pattern2_a
- 闭集测试。用每个人的前5张图像作为训练，剩下的5张图像作为测试。给出用fisherface方法得到的识别率。-Closed set tests. With each of the first five images for training, the remaining 5 images as a test. Obtained by the method given by fisherface recognition rate.
pattern2_b
- 开集测试 取K=60.设定测试图像到训练图像的最近距离为一个阈值，在不同的阈值情况下，求的Fisher准则的ROC曲线 -Open set tests take K = 60. Setting the test image to the training images as close as a threshold in the case of different thresholds, find the Fisher criterion ROC curve
1
- 本文提出了一种复杂条件下基于子空间梯度方向直方图跟踪的方法，通过大量样本的离线训练构建目标的投影子 空间，并用梯度方向直方图在子空间的投影作为新的目标描述特征．为了满足实时性的要求，采用积分直方图方法 提高粒子特征的计算速度；然后结合粒子滤波方法在子空间中计箅粒子与训练样本集之间的相似度，进而估计目标 的运动参数．实验结果表明，该方法能够在光照变化、噪声干扰、模糊、目标姿态和尺度改变，以及部分遮捎等恶劣条 件下实现准确跟踪，比传统的跟踪方法具有更高的跟踪精度和跟踪鲁棒性，能够满足
BPnetandshuzixulianyangben
- 自编的BP神经网络Matlab程序，可完美运行。还附有0到9训练样本集，供大家参考学习-Self BP neural network Matlab program can be run perfectly. Accompanied by 0-9 training sample set for your learning
NumberRecognize
- 根据RBM深度网络（Hinton，2006）进行MINST手写文字的分类器的训练，利用训练得到的权值制作了这个小程序，通过这个程序可以看出训练结果对数据集内的测试样本和训练样本都能进行很好的识别，但是对其他的手写字体识别就没有那么好了。-According to RBM depth network (Hinton, 2006) conducted MINST handwritten text classifier training, using the training to get the r
mnistAll
- mnistAll数据库，手写体数字识别数据库。里面有分好的训练与测试样本集及对应标签-mnistAll databases, handwritten digit recognition database. There are good training and testing sample sets and the corresponding label
code
- 使用VFH描述符集群识别和6自由度姿态估计训练源码。-Cluster Recognition and 6DOF Pose Estimation using VFH descr iptors training code.
Igohd
- 图像梯度方向直方图描述子:，该方法使用梯度方向直方图（Histogram of Oriented Gradients,简称HOG） 特征来表达人体，提取人体的外形信息和运动信息，形成丰富的特征集，然后使 用支持向量机线性SVM 分类器对这些特征集进行训练。-Image gradient orientation histogram descr iptor
KPCA-FACE
- 采用KPCA方法的人脸识别算法，包含算法的matlab实现源码及相关测试、训练数据集-KPCA based face recognition algorithm, matlab source code of the algorithm implementation and related testing, training data set contained
Release
- 闲时无聊，搭了一个基于深度神经网络的手写数字识别系统。该系统在手写数字数据库mnist测试达到了99.22 的准确率。整个系统基于C++开发，可以很方便的移植到其他平台。 其中手写数字数据库mnist（http://yann.lecun.com/exdb/mnist/），有60000个训练样本数据集和10000个测试用例。它是由Google实验室的Corinna Cortes和纽约大学柯朗研究所的Yann LeCun建立的一个手写数字数据库。同时它是nist数据库的一个子集。