模式识别
文章平均质量分 69
cv_family_z
这个作者很懒,什么都没留下…
展开
-
论文提要“Visual Categorization with Bags of Keypoints”
‘Selective Search for Object Recognition” 文章中特征描述使用了BOW,找到这篇文章看了一下,主要是提取BOK来做广义的目标归类,分类器使用的是朴素贝叶斯和SVM,实验对七类广义目标进行归类,目标姿态不一,背景复杂,跟我们之前接触的纯目标分类有所不同,有人脸,建筑物,汽车等,如下图所示: 特征使用的是BOK,统计图像中特定模式出现次数的直方图,这里的K是ke原创 2015-07-03 16:42:46 · 1546 阅读 · 0 评论 -
Spatial Pyramid Matching
论文提出了一种场景归类的方法,主要通过将图像划分为精细子区域并在子区域中计算局部特征直方图实现,Spatial Pyramid是无序BOF特征的一种发展,增加了空间位置信息。Pyramid Matching Kernels 假设X和Y是d维特征空间中的两个向量集,PM通过在特征空间中设置一系列粗粒度网格并对每一层的匹配结果进行加权得到,在每个特定的分辨率下,两个点如果落在网络的同一个cell中则表原创 2015-07-07 13:43:10 · 1402 阅读 · 0 评论 -
噪声数据-The Unreasonable Effectiveness of Noisy Data for Fine-Grained Recognition
ECCV 2016 The Unreasonable Effectiveness of Noisy Data for Fine-Grained Recognition当前 fine-grained recognition的主流方法分两步:1)训练数据的收集和标定,2)模型的训练。本文提出的使用从网络上搜索的含有噪声的数据进行训练,得到很好的效果。3 Noisy Fine-Grained Data原创 2016-10-24 16:44:35 · 2581 阅读 · 0 评论