码迷,mamicode.com
首页 >  
搜索关键字:特征提取    ( 557个结果
四种比较简单的图像显著性区域特征提取方法原理及实现-----> AC/HC/LC/FT。
最近看了一图像些显著性区域检测的文章,并做了一些肤浅的研究,以下将研究的一些收获和经验共享给博友们。
分类:其他好文   时间:2014-08-04 10:30:27    阅读次数:843
四种简单的图像显著性区域特征提取方法-----> AC/HC/LC/FT。
最近闲来蛋痛,看了一些显著性检测的文章,只是简单的看看,并没有深入的研究,以下将研究的一些收获和经验共享。
分类:其他好文   时间:2014-08-03 14:59:35    阅读次数:477
四种简单的图像显著性区域特征提取方法-----> AC/HC/LC/FT。
最近闲来蛋痛,看了一些显著性检测的文章,只是简单的看看,并没有深入的研究,以下将研究的一些收获和经验共享。...
分类:其他好文   时间:2014-08-03 12:46:25    阅读次数:324
Struck 跟踪算法(三)
接下来开始Haar特征提取算法的解析:               在本算法中,Haar特征选取了6种特征子,代码及解析如下:       6种Haar特征描述子计算如下,接下来分析Haar特征的应用: //生成Haar特征向量 192维 32*6=192维 void HaarFeatures::GenerateSystematic() { float x[] ...
分类:其他好文   时间:2014-07-28 00:27:50    阅读次数:273
一步一步入门机器学习之四:约束玻尔兹曼机(RBM)
约束玻尔兹曼机(RBM)是一类具有两层结构、对称连接无自反馈的随机神经网络模型,层与层之间是全连接,层内无连接,它是一种有效的特征提取方法,常用于初始化前馈神经网络,可明显提高泛化能力。而由多个RBM结构堆叠而成的深度信念网络(DBN)能提取出更好更抽象的特征,从而用来分类。...
分类:其他好文   时间:2014-07-27 11:48:43    阅读次数:221
Struck跟踪算法(一)
Struct跟踪算法,自适应的一边跟踪,一边检测的跟踪目标物体算法,类似于TLD算法,运用了SVM分类器,HAAR特征等特征提取算法。。。...
分类:其他好文   时间:2014-07-27 11:36:56    阅读次数:360
[深度学习]Wake-Sleep算法
本文翻译自2007-To recognize shapes, first learn to generate images, Geoffrey Hinton.第五种策略的设计思想是使得高层的特征提取器能够和底层的进行通信, 同时可以很容易地使用随机二态神经元的分层网络来实现.这些神经元的激活概率是关...
分类:其他好文   时间:2014-07-25 16:41:21    阅读次数:597
目标检測的图像特征提取之(一)HOG特征
1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检測的特征描写叙述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检測中...
分类:其他好文   时间:2014-07-23 14:53:26    阅读次数:281
图像特征提取方法:Bag-of-words
Bag-of-words简介 最最初的Bag-of-words ,也叫做“词袋”,在信息检索中,Bag-of-words model假定对于一个文本,忽略其词序和语法,句法,将其仅仅看做是一个词集合,或者说是词的一个组合,文本中每个词的出现都是独立的,不依赖于其他词是否出现。 应用于文本的BoW简单实例 John likes to watch movies. Mary likes t...
分类:其他好文   时间:2014-07-20 23:06:56    阅读次数:324
文本分类之情感分析– 停用词和惯用语
改善特征提取往往可以对分类的accuracy(和precision和召回率)有显著的正面影响。在本文中,我将评估word_feats的两项修改特征提取的方法: 过滤停用词 包含二元语法搭配 为了有效地做到这一点,我们将修改前面的代码,这样我们就可以使用任意的特征提取函数,它接收一个文件中的词,并返回特征字典。和以前一样,我们将使用这些特征来训练朴素贝叶斯分类器。 ...
分类:其他好文   时间:2014-07-19 11:22:04    阅读次数:593
557条   上一页 1 ... 52 53 54 55 56 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!