搜索资源列表
bag-words-demo.rar
- 自李菲菲提出bag of words 这个想法以来，借助于该思路的各种算法层出不穷，也表现非常不错的性能。该文件是在其人的tutorial上提供的一个Demo，有非常详细的注释，希望能给大家带来帮助,Since the LI Fei-made bag of words this idea since the idea of the various algorithms by means of an endless stream, but also doing a very good perfor
PG_BOW_DEMO
- 图像的特征用到了Dense Sift，通过Bag of Words词袋模型进行描述，当然一般来说是用训练集的来构建词典，因为我们还没有测试集呢。虽然测试集是你拿来测试的，但是实际应用中谁知道测试的图片是啥，所以构建BoW词典我这里也只用训练集。 其实BoW的思想很简单，虽然很多人也问过我，但是只要理解了如何构建词典以及如何将图像映射到词典维上去就行了，面试中也经常问到我这个问题，不知道你们都怎么用生动形象的语言来描述这个问题？ 用BoW描述完图像之后，指的是将训练集以及测试集
BAG-OF-WORDS-daima-PG_SPBOW
- matlab编写的bag of words，可以对目标进行特征提取，实现目标匹配识别。-Matlab prepared bag of words, the target feature extraction, to achieve the goal of matching recognition.
bag_words_demo
- bag of words 图像识别算法，斯坦福大学李飞飞实验室做的demo-bag of words
bag-of-words
- bag-of-words by R. Fergus, L. Fei-Fei and A. Torralba
caltech-image-search-1.0
- 大规模图像检索的代码，matlab与c++混合编程。总结了目前图像检索领域目前主要存在的方法。通过阅读该代码，可以对于经典的“词袋”模型（bow模型）有个具体的了解，但是该代码没有提供前序的特征提取，是直接从对提取好的特征向量聚类开始的，包括了k-means，分层k-means（HKM）聚类，倒排文件的建立和索引等，该代码还提供了局部敏感哈希（LSH）方法。最后，这份代码是下面这篇论文的作者提供的， Indexing in Large Scale Image Collections: Sc
BagofWords
- 该论文在知网上付费下载，为2011年9月最新的关于Bag of Wo rds 算法的框架和基本内容，是学习bag of words算法的很好的入门参考。Bag of Words 算法是一种有效的基于语义特征提取与表达的物体识别算法, 算法充分学习文本检索算法的优点, 将图片整理为一系列视觉词汇的集合, 提取物体的语义特征, 实现感兴趣物体的有效检测与识别。-Bag of Word algo rithm is an efficient object r eco gnition alg or ith
bag_words_demo
- 利用词袋的方法进行物体识别,程序含有大量的实例-It is bag of words method to recognize objects, it includes a lot of examples
PG_BOW_DEMO-master
- 一个用BoW|Pyramid BoW+SVM进行图像分类的Matlab Demo -Image Classification using Bag of Words and Spatial Pyramid BoW
k-meansPBOF
- 一个用BOF程序，用k-means聚类，然后生成词袋。-A BOF program, K-means clustering, and then generate the bag of words.
Bag-of-visual-words
- SIFT等局部特征的词袋模型实现。包括K-means聚类，直方图特征的形成，以及KNN分类。-SIFT local features such as word bag model implementation. Including K-means clustering to form histogram features, and KNN classification.
rough-set
- 图像场景分类中视觉词包分类的应用与操作代码-Review of the bag-of-visual-words models in image scene classification
image_processing3
- 图像工程作业3：基于视词袋模型的场景识别 (Scene recognition with bag of words)-Image Engineering Job 3: Scene Recognition Based visual bag of words (Scene recognition with bag of words)
Bag-of-visual-words
- 将每一张图的特征点采样聚类成图片的视觉单词 即视觉单词,就是对应图片的代表 创建数据库,将每张图片的视觉单词入库,并建立索引-Will feature a map of each sampling point clustered into visual images of words that is visual words, is to represent the corresponding picture of the is created, the visual image of eac
DBoW2-master
- 这是词袋模型2的测试程序，从外国的一个网站找到的，用于测试surf生成词袋文件-This is a bag of words model test procedure 2, a foreign website to find for testing surf generated word document bags
BagOfWordsDEMO
- BAG OF WORDS算法应用于图片分类。图像特征用sift算法描述，分类机利用了libsvm方法。-BAG OF WORDS algorithm is applied to image classification. Image features using sift algorithm descr iption, classification machine utilizes libsvm method.
BoV
- 一种场景分类的介绍，利用的是bag of visual words思想。-Introduction of a classification, using bag of visual words.
image_bliss
- Image Category Recognition using Bag of Visual Words Representation
homework3
- 将二位数据投影到一维线性， LDA（Latent Dirichlet Allocation）是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。所谓生成模型，就是说，我们认为一篇文章的每个词都是通过“以一定概率选择了某个主题，并从这个主题中以一定概率选择某个词语”这样一个过程得到。文档到主题服从多项式分布，主题到词服从多项式分布。 [1] LDA是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）
词袋模型最终版测试
- 利用词袋模型，实现对Merchdata数据库内图像的标注功能。使用了bagoffeatures库函数。(The bag-of-words model is used to implement the annotation of images in the Merchdata database. Use the bagoffeatures library function.)