搜索资源列表
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
DMMC
- DMMC算法在JAFFE 30*180训练与测试集下的人脸识别算法，其中包括源代码及所用的人脸库。-DMMC algorithm JAFFE 30* 180, under the training and test set of face recognition algorithms, including source code and libraries used by the human face.
regionbased_seg_demo
- 基于chan-vese的一个水平集分割的matlab程序，在matlab7.1环境下测试有效-Chan-vese based on a level set segmentation matlab procedures, test environment at matlab7.1 effective
anlujingdutu
- 源代码是主要是用于目标分类时按路径分别读取训练集和测试集图像进行特征提取或其他操作的。-Source code is primarily used for target classification, were read by the path the training set and test set of image feature extraction or other operations.
TextonBoostSplits
- Sxena等人发表的关于图像语义分割的源代码，C#代码，包含训练需要的数据集和测试集-Sxena, who published the image semantic segmentation on the source code, C# code, including training needs of the data set and test set
a3
- 人脸识别中的主成分分析方法，通过对训练集和测试集的比对匹配，来输出识别率。-Face Recognition in the principal component analysis, through the training set and test set than on the match, to output the recognition rate.
IRIS-use-RFclassification
- 用随机森林RF方法分类IRIS数据集，用一百个数据做训练集，五十个作为测试集，并统计出错误率，可直接运行-Classification method with random forests RF IRIS data set, using one hundred data to do training set, and fifty as a test set, and the statistical error rate, can be directly run
lpr-system
- 1.先打开一幅图片然后按照顺序灰度化、二值化、灰度拉伸、车牌定位、二值化、倾斜校正、字符分割、训练神经网络、识别字符。 2.测试图像存储在当前目录的img下。 3.测试集、训练集、目标向量均存储在img下的文本文件中。-1. Open a picture first and then according to the order gray, binarization, gray stretching, license plate localization, binarization, t
4.2
- 用人工神经网络拟合函数 说明：1）网络结构为三层（输入层、1个隐层和输出层） 2）获取两组数据，一组作为训练集，一组作为测试集 3）用训练集训练网络 4）用测试集检验训练结果-ANN fit function: 1) the network structure is three (input layer, a hidden layer and output layer) 2) to obtain two sets of data, one group as the
Linear-learner
- 基于PCA的线性学习器的分类方法，含完整Matlab程序及训练测试集，用于人脸识别。-Linear learner
proj4
- 使用滑动窗的人脸检测，滑动窗口能够独立地对图片块进行分类，以确定是否属于被检测目标。内容如下： 1)载入正样本训练集（人脸），并将其转化为HoG特征 2)载入负样本训练集（没有人脸的任意场景），也将其转化为HoG特征 3)使用SVM，对分类器进行训练，训练集包括正训练集和负训练集 4)使用训练好的分类器，在不同的尺度上，对测试集进行分类 -Face detection with a sliding window.
人脸识别代码
- 人脸识别是一个有监督学习过程，首先利用训练集构造一个人脸模型，然后将测试集与训练集进行匹配，找到与之对应的训练集头像。最容易的方式是直接利用欧式距离计算测试集的每一幅图像与训练集的每一幅图像的距离，然后选择距离最近的图像作为识别的结果。(Face recognition is a supervised learning process. Firstly, a face model is constructed by training set, and then the test set is m
train_test_set
- 怎么创建训练数据集和测试数据集。readimg.m读取一个大文件夹下的，所有子文件夹里的所有图片，并把同一个文件夹下的图片保存成一个矩阵。另一个文件是加载之前生成的数据，取80%为训练集，20%为测试集，并添加标签。(Read all the pictures from the folder and save it into a matrix)
Extended Yale B Database
- 这是MNIST数据库（一个手写数字的数据库，它提供了六万的训练集和一万的测试集，它的图片是被规范处理过的，28*28的灰度图） 总共4个文件: train-labels-idx1-ubyte: training set labels t10k-images-idx3-ubyte:? test set images t10k-labels-idx1-ubyte:? test set labels train-images-idx3-ubyte: training set images(T
PCA
- 1、读入图片，根据PGN格式的line 2 确定矩阵的大小为 28*28=784，根据line4 获取. 2、读入图片，根据PGN格式的line 2 确定矩阵的大小为 28*28=784，根据line4 获取。 3、计算平均矩阵。 4、对平均值矩阵进行SVD： 5、平均矩阵进行SVD后的前20个singular vector的输出结果。 6. 将训练集的每一张图片当成一行，形成一个矩阵，然后对矩阵进行PCA分解。 7. 这个矩阵对测试集的每张图片进行降 维，得到的图像。(1, rea
block
- 对测试集图像增加随机的正方形遮挡，以测试算法错误率(add random block to images in order to test the accuracy of the algorithm)
texton boost
- 基于texton boost的图像分割，有监督，需要自己添加ground truth到训练文件夹进行训练，测试集和训练集随机分配(S upervised image segmentation based on texton boost. It needs to add ground truth to the training folder for training, and the test set and training set are allocated randomly.)
水平集分割算法
- 基于活动轮廓线的图像分割代码，测试过有效，代码简单易懂。
KNN学习
- KNN学习,通过测试集和训练集进行预测KNN学习,(KNN learns to predict through test set and training set)
人脸识别 MATLAB代码
- 使用pca方法对图像进行特征提取，对训练集的20个人的共一百张人脸进行训练，使用adaboost算法生成强分类器，可以对测试集的人脸图片进行识别，且识别率较高(The PCA method is used to extract the features of the image, and the training is carried out for a total of 100 faces of 20 people in the training set. The AdaBoost algor