搜索资源列表
TracKIT
- TrackIT是一款开放式的机器视觉开发平台，目前集成了从相机输入、色彩转换、彩色图像处理、灰度图像处理、二值图像处理、阈值分割、边缘检测、Blob检测、相机标定、Kalman滤波器、光流跟踪器、最近邻域跟踪、数学形态学方法、机器学习算法等近100个组件，并在不断添加更新中，采用开源OpenCV、WxWidgets、CMU139等标准工具，使用XML动态解析界面，所有参数在界面上直接调整，同时可立即看到调整效果，并可动态加载组件，可用于一般科学研究和机器视觉系统开发。运行时需要.net框架支持。
AForge.NET
- C#开发的计算机视觉及人工智能领域的一个功能非常强大的类库，包括图像处理库、计算机视觉库、机器学习库、视频处理库等。-AForge.NET Framework is a C# framework designed for developers and researchers in the fields of Computer Vision and Artificial Intelligence- image processing, computer vision, neural networks
sterovision
- 本人搞机器视觉的学习资料,对光电工程有兴趣的人具有非常高等应用价值-I engage in the learning machine vision information on the Opto-Electronic Engineering who are interested in a very high value
CVPR_guider
- 里面介绍了机器视觉的学习相关网站，由低到高，适合参考-Which introduced the study of machine vision-related sites, from low to high, suitable for reference
Learning_OpenCV
- 一本相当好OpenCV教程,包括图像处理、计算机视觉和机器学习等-There is a very good tutorial of OpenCV. It includes image processing, computer vision and machine learning.
sss_source
- 《OpenCV教程》(基础篇)是国内第一本全面介绍OpenCV的中文版图书，对OpenCV开放源代码计算机视觉库进行了详细讲解。OpenCV由一系列C函数和C++类构成，功能涵盖图像处理、计算机视觉和模式识别等领域。OpenCV实现了大量通用算法，涉及到图像处理、结构分析、运动检测、摄像机定标、三维重建以及机器学习等方面，并有较高的运行效率。-The Open Source Computer Vision Library may contain design defects or errors
learning
- 中科院胡占义教授关于计算机视觉中机器学习方法的将以，非常难得的资料。-HuZhanYi sciences professor about computer vision of machine learning method to the material, it is very rare.
meanshiftsegmentation
- 均值漂移图像分割测试程序,使用meanshift算法对彩色图像进行聚类分割，效果很好，并且显示使用时间、找到的类数，另包含RGB与LUV颜色空间的互相转换，图片矩阵数据转为降维数组等，程序中有详尽的注释和说明，并且配有测试结果图片，非常适合计算机视觉、机器学习、模式识别的朋友参考-failed to translate
网学学习书籍大全
- 在基于内容图像检索中，图像的底层视觉特征和高层语义概念之间存在着较大的 语义间隔。使用机器学习方法学习图像特征，自动建立图像类的模型成为一种有效的方法。 本文提出了一种用支持向量机（SVM）实现自然图像自动语义归类的方法，基于块划分聚 类得到特征向量作为SVM 训练样本，实现语义分类器。由于参与聚类的是某类图像所有块 的特征，提取的特征更能反映某一类图像特征。实验证明这种方法是有效的。
simulation-code
- 决策学习的相关代码，视觉机器学习配套的仿真代码。-Decisions related to learn code, visual simulation code of form a complete set of machine learning.
Kmeans
- 《视觉机器学习20讲配套仿真代码》——1、K-means学习-" Vision Machine Learning Lecture 20 supporting the simulation code" 1, K-means learning
Adaboost
- 《视觉机器学习20讲》的配套仿真代码——Adaboost分类算法，可运行，有注释-The visual machine learning about 20 supporting simulation code- Adaboost classification algorithm, can run, with comments
BP
- 《视觉机器学习20讲》配套仿真代码—bp神经网络，有注释，适合初学者-The visual machine learning about 20 matching simulation code- bp neural network, with comments, suitable for beginners
CNN
- <\视觉机器学习20讲>配套仿真代码——CNN，卷积神经网络，有注释，适合初学者-Visual simulation code CNN, form a complete set of machine learning about 20 convolutional neural networks, have comments, suitable for beginners
deeplearn
- <视觉机器学习20讲>配套仿真代码——深度学习，有注释，适合初学者-< visual machine learning speak > 20 matching simulation code- deep learning, there are comments, suitable for beginners
视觉机器学习20讲
- 《视觉机器学习20讲》，随书附带的所有matlab源代码(20 lectures of machine learning , source code)
SVM机器学习算法
- 该文件主要包含了Matlab条件下开发的SVM算法，该算法主要用于机器视觉的学习与分类(The file mainly includes the SVM algorithm developed under the Matlab condition, which is mainly used for learning and classification of machine vision.)
机器人学机器视觉与控制 MATLAB算法基础
- 介绍机器学习及机器视觉，控制,以及 matlib 的算法 应用。 是本好书，希望对你有帮助。(this is a book about machine learniing,video and how to use matlib .)
视觉机器学习20讲配套仿真代码
- 视觉机器学习20讲配套仿真代码，随书附带的代码
Python深度学习.pdf+代码
- 本书由Keras之父、现任Google人工智能研究员的弗朗索瓦?肖莱（Franc?ois Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。(This book is written by Franc