图像分类器
huifeid_eyu
这个作者很懒,什么都没留下…
展开
-
目标检测的图像特征提取之(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测的特征描述子。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,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Dal转载 2014-06-25 13:58:30 · 433 阅读 · 0 评论 -
Adaboost分类器 haar特征
Adaboost分类器 haar特征 整理 Adaboost是一种迭代算法,其核心思想是针对同一个训练集训练不同的分类器(弱分类器),然后把这些弱分类器集合起来,构成一个更强的最终分类器(强分类器)。 其算法本身是通过改变数据分布来实现的,它根据每次训练集之中每个样本的分类是否正确,以及上次的总体分类的准确率,来确定每个样本的权值。 将修改过权值的新数据集送给转载 2014-06-25 14:32:55 · 759 阅读 · 0 评论 -
OpenCV中的HOG+SVM物体分类
OpenCV中的HOG+SVM物体分类 这里总结网上自己找到的资料,搞一个简单的框架供大家参考一下。 OpenCV官方的SVM代码在http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/ml/introduction_to_svm/introduction_to_svm.html 在转载 2014-06-25 14:29:57 · 525 阅读 · 0 评论 -
Haar-like特征
Haar-like特征 Haar-like特征,即很多人常说的Haar特征,是计算机视觉领域一种常用的特征描述算子。它最早是由Papageorigiou等人用于人脸描述。目前常用的Haar-like特征可以分为三类:线性特征、边缘特征、点特征(中心特征)、对角线特征。如下图所示: 显然,边缘特征有4种:x方向,y方向,x倾斜方向,y倾斜方向;线特征有8种,点转载 2014-06-27 11:07:06 · 664 阅读 · 0 评论 -
Adaboost原理、算法以及应用
Adaboost是一种迭代算法,其核心思想是针对同一个训练集训练不同的分类器(弱分类器),然后把这些弱分类器集合起来,构成一个更强的最终分类器(强分类器)。其算法本身是通过改变数据分布来实现的,它根据每次训练集之中每个样本的分类是否正确,以及上次的总体分类的准确率,来确定每个样本的权值。将修改过权值的新数据集送给下层分类器进行训练,最后将每次训练得到的分类器最后融合起来,作为最后的决策分类器。使用转载 2014-09-03 09:49:34 · 519 阅读 · 0 评论 -
如何利用OpenCV自带的haar training程序训练分类器分类
首先,需要说明的是,OpenCV自带的haar training提取的特征是haar特征(具体请参考我的另一篇关于haar特征的文章:http://blog.csdn.net/carson2005/article/details/8094699 ),分类器是AdaBoost级联分类器(如需了解Adaboost算法,请参考我的另一篇文章:http://blog.csdn.net/carson2005转载 2014-09-03 10:18:18 · 636 阅读 · 0 评论