- 博客(4)
- 资源 (3)
- 收藏
- 关注
原创 机器学习中如何选择分类器
在机器学习中,分类器作用是在标记好类别的训练数据基础上判断一个新的观察样本所属的类别。分类器依据学习的方式可以分为非监督学习和监督学习。非监督学习顾名思义指的是给予分类器学习的样本但没有相对应类别标签,主要是寻找未标记数据中的隐藏结构。,监督学习通过标记的训练数据推断出分类函数,分类函数可以用来将新样本映射到对应的标签。在监督学习方式中,每个训练样本包括训练样本的特征和相对应的标签。监督学习的流程
2015-08-30 00:02:29 6969
原创 基于随机抽样的视觉显著性
一、视觉显著性的综述 视觉显著性和相关的认知神经学在过去几十年里已经获得广泛的研究,人类的视觉注意机制能够将有限的认知资源聚集于场景中重要的刺激而抑制那些不重要的信息。在计算机视觉领域,有关显著性的研究在于提出模拟人类视觉注意机制的模型。现有的显著性检测的方法有基于层次的、基于频谱的、基于熵的和基于图像对比度的方法。基于层次的方法采用的是多尺度的图像处理,然后不同层次的结果聚集起来成为最
2015-08-24 22:59:28 8162
原创 matlab实现MSER(最大极值稳定区域)来进行文本定位
一、自然场景文本定位综述 场景图像中文本占据的范围一般都较小,图像中存在着大范围的非文本区域。因此,场景图像文本定位作为一个独立步骤越来越受到重视。这包括从最先的CD和杂志封面文本定位到智能交通系统中的车牌定位、视频中的字幕提取,再到限制条件少,复杂背景下的场景文本定位。与此同时文本定位算法的鲁棒性越来越高,适用的范围也越来越广泛。文本定位的方式一般可以分为三种,基于连通域的、...
2015-08-17 23:39:02 8277 14
原创 颜色聚类方法综述
毕业了,毕业论文也可以拿来晒晒了。觉的自己的论文涉及的知识点特别多,用到了很多图像处理和机器学习方面的技术。第三章主要是讲的颜色聚类的方法用来提取自然场景文本的候选连通域。(工作了时间不是很多,先把文章发上来,一周之内在好好拓展并整理).一、颜色聚类的优点 分析自然场景文本的特点可得,在一个文本区域内部,一般一个字符内部的颜色变化不大。对于一幅24位RGB彩色图,需要处理的颜色范围达
2015-08-12 21:51:28 7631 2
SaliencyToolbox2.3
2014-09-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人