搜索资源列表
ada
- 基于 AdaBoost算法的人脸检测.pdf，希望对各位有帮助
adaboost人脸检测训练算法
- adaboost人脸检测训练算法的技术原理与实施细节
PedestrianDetectionMethodBasedonAdaboostAlgorithm.
- Adaboost算法简单可靠、学习精度高的特点，提出一种基于Adaboost算法的行人实时检测方法的论文。-Adaboost algorithm is simple, reliable, high precision, the characteristics of study proposed, based on Adaboost algorithm for real-time detection method of pedestrian papers.
AdaBoost-SVM-paper
- 基于adaboost 和svm 的检测算法研究，论文来的 里面用到opencv的相关库-AdaBoost SVM paper
Improvements-of-object-detection
- 通过fisher对hog特征降维，并用于物体检测-We present a method for object detection that combines AdaBoost learning with local histogram features. On the side of learning we improve the performance by designing a weak learner for multi-valued features based on Weighte
OpenCV-FaceDetect
- 文章描述了如何基于OpenCV在嵌入式平台上利用类Haar特征和Adaboost算法实现人脸检测，并讨论了如何在嵌入式平台上优化算法。-The article describes how the class Haar features and the Adaboost algorithm embedded platform based on OpenCV face detection, and discussed how optimization algorithms on embedded p
Adaboost-Algorithm
- 2001年第一次提出应用于人脸检测的adboost分类算法。能够用于二分类。-In 2001, the adaboost algorithm was first come up as the method to solve the problem of face detection.
10adaboost
- 本文提出了一种肤色分割与Adaboost 人脸检测相结合的方法.-In this paper, a combination of a skin color segmentation Adaboost face detection methods.
Kofsky-Code-Orange
- 人脸检测，matlab源码，适合初学者使用，包括Adaboost及Haar-like特征提取-face detectiom
adaboost1
- 鲁棒性实时物体检测(adaboost).doc-Robust real-time object detection (adaboost)
adaboost
- 基于adaboost算法的人眼检测系统的设计，比较简单适合新手-The design of the human eye detection system based on adaboost algorithm, simple is suitable for beginners
Pedestrian-Detection
- ICCV2013： 简 称UDN算法，从文中描述的检测效果来看，该方法是所有方法中最好的，并且，效果远超过其他方法。经过对论文和该算法源码的研究，该算法是与作者另外一篇 论文的方法 ，另外的论文算法做图片扫描，得到矩形框，然后用该方法对矩形框进行进一步确认，以及降低误警率和漏警率。另外的论文是：Multi-Stage Contextual Deep Learning for Pedestrian Detection 说得难听一点，这篇文章对行人检测没有多大的贡献。仅仅是用深度学习
AdaBoostFace
- 基于adaboost的正面人脸检测 通过对haar特征的提取来进行训练与识别-face detection by adaboost
Face-Detector-Training
- 由一个3D变形人脸模型取自动生成适应的训练样本。由统计视角，tailored训练数据保证了所有的数据变化且由任意的人脸属性丰富训练样本，例如，年龄或体重。更进一步，它可能自动适应到环境约束，例如，来自于监控摄像机的照明或视角约束。我们使用裁剪的（tailor）图象训练一个新的Viola Jones的adaboost 目标检测框架的多核实现。这个新的实现不仅快速的，而且多特征通道的使用成为可能，例如，在训练期间的颜色特征。在我们实验中，我们训练7个依赖视角的人脸检测子并在Face Detectio