搜索资源列表
FaceDetection_Based_on_a_New_Nonlinear_Color_Space
- 提出一种新的非线性变换的彩色空间 ″″, 利用次高斯概率分布函数拟合皮肤色度信息, 得到候选区 YC C r b 域。为了排除候选区域中的非人脸, 首先根据均值和方差信息分割出候选区域中的纹理特征信息, 再通过多尺度 ) ( 信息定位眼睛, 然后根据人脸特征的几 形态边缘检测算子检测候选区域的边缘, 利用 边缘方向 PCA PCAED ( ) 何形状信息定位其他特征 鼻、嘴 , 通过这些几何特征信息对肤色分割得到的候选区域进行验证, 最终得到正确 的人
CorrectCarNoImageAndRegnize
- 一种车牌图像校正新方法 【摘要】因摄像机角度而造成的机动车牌图像倾斜会对其后继的字符分割与识别带来不利的影响。本文在分析了车牌倾斜模式的基础上,提出了一种基于最小二乘支持向量机（LS-SVM）的车牌图像倾斜校正新方法。通过LS-SVM线性回归算法求取坐标变换矩阵并对畸变图像进行旋转校正。主要方法：首先,将二值倾斜车牌图像中的像素转换为二维坐标样本,并构造图像数据集 再通过LS-SVM线性回归算法对该数据集进行回归,求取主要参数 最后,再由该参数转换为能反映图像倾斜方向的2维坐标变换矩阵。实验
89346528ImageEnage
- matlabcontourlet变换结合了不可分离的方向滤波组,具备小波所不能表达的多方向特性,能有效捕获自然图像的边缘轮廓信息。本文分析了图像ontourlet系数的统计特征,并利用广义高斯函数对各子带系数层进行建模。将此模型应用于基于VisTex的自建纹理图像库,采用矩匹配估计法,提取模型参数集,运用K2L -matlab
Novel_Example-Based_Shape_Learning_For_Fast_Face_A
- 用于人脸对准的快速形状学习方法(论文)：提出了一种新的用于人脸特征对准的基于样本 的形状学习策略(ESL)。该方法是基于下面结论提出的：人脸图像差和形状差之间存在一种近似的线 性关系——即相似的人脸图像蕴涵着相似的形状。因此，给定一个人脸图像的学习集，其中人脸图 像的特征点都已手工标定。则任意新的人脸图像的形状可以如下抽取：估计该人脸图像和训练集中 训练图像的相似度，并将同样的相似度用于该人脸图像形状的重建-Fast Face Alignment for the shape of
LR(0)
- LR(0)分析表及分析器的构造1. 对任意给定的文法 ，完成识别文法活前缀的 、 的状态转化矩阵及 项目集规范族的构造； 2. 判断该文法是否为 文法，实现 分析表的构造，并输出到指定文件中； 3. 实现 分析器总控程序，对输入的表达式进行文法分析。 -LR (0) of the table and the construction of a parser. On any given grammar, the identification prefix grammar acti
number_recognized
- 使用bp神经网络进行数字识别，效果较好，并带有训练样本集-Use bp network to recognize the number，the result shows it is nice.
SVM-and--Face-Recognition
- 支持向量机及其在人脸识别中的应用研究 上海交通大学博士论文，在知网上面付费下载得到的。本文从应用的角度出发，较为全面地对一些相关问题进行探讨，并使用Visual C++实现了一个基于支持向量机的人脸识别软件—idTeller。 论文的主要工作和创新点包括： ·提出了两种基于VC边界的支持向量机参数选择算法—固定C算法和VC-CV算法。VC边界是两类支持向量机参数选择的一个理想准则，但它的一些固有缺点使其应用变得困难。本文通过将VC边界转化为VC指标，最终把问题归结为对最小包围体的求解，从理论
FastPCA_Feature_extraction-on-ORL
- 通过FastPCA在ORL人脸数据集上提取主成分脸并可视化，ReadFaces函数读取每个人的前五张图片作为实验数据集。-Extracting principal component faces on ORL_faces datasets by FastPCA and visualing them are done.ReadFaces function reads the five pictures of everyone as the experimental data set.
pattern_recognition
- 根据训练集图像，对目标图像中的八个子目标图像进行识别，用红色矩形将各个子目标图像框起来，并在子目标图像的中央位置，写上对其识别的结果，即子目标图像的名字。-请键入文字或网站地址，或者上传文档。 取消 Gēnjù xùnliàn jí túxiàng, duì mùbiāo túxiàng zhōng de bā gè zǐ mùbiāo túxiàng jìnxíng shìbié, yòng hóngsè jǔxíng jiāng gège zǐ mùbiāo túxiàng kuān
svm
- 对两类训练样本集进行线性分类，并标记出支持向量和最优分类面-Linear classification of two kinds of training sample set, and mark out the support vectors and the optimal classification line
CUDA-CNN-master
- CNN cuda的加速。 start-of-art结果的流行的数据集 1。测试mnist并获得99.76 ,投票后(99.82 )(最好的99.79 ) 2。测试cifar-10并获得81.42 最好(90 ) 3。测试cifar - 100和51.13 (最好的65 )-CNN accelerated by cuda. The start-of-art result s of popular datasets 1. Test on mnist and get 99.76
94207285
- 求解任意两个多边形的并集,交集,差集,要求是简单多边形(Solve any two polygons, intersection, difference set, the requirements are simple polygon)
keras_mnist_test
- hello Word of keras ,第一个成功实现的卷积神经网络,下载了mnist数据集,并decode,,然后,为了加快速度,训练其中的一部分数据,并用predict测试,ok,2min内出结果.(网上其它程序试过,训练太久,一晚上都没训练出结果,于是自己动手设计了这个小程序) 环境:python3.6,keras2.1,PC i5(很破的电脑)(Hello Word of keras, the first successful convolution neural network,
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）