机器学习
文章平均质量分 77
rain2211
这个作者很懒,什么都没留下…
展开
-
CS143-project1 图像过滤与图像混合Image Filtering and Hybrid Images
本文主要通过线性过滤器原理对图像进行过滤,并根据自定义的过滤器截取不同图像的高低频率进行混合,达到不同距离产生不同解释的效果。使用工具是MATLAB。本文主要包括以下3部分内容:图像过滤.图像混合.结论分析原创 2016-12-27 15:46:53 · 4003 阅读 · 0 评论 -
CS143-project3 基于bag of words 的场景识别 Scene Recognition with Bag of Words
本项目实现两种不同的图像表示——小图像和SIFT特征包,以及两种不同的分类技术——最近邻和线性SVM。通过试验得到准确率是小图像和最近邻分类器 (准确率20.50%).SIFT表示包和最近邻分类器 (准确率49.99%).SIFT表示包和线性SVM分类器 (准确率68.10%).原创 2016-12-28 11:23:38 · 1149 阅读 · 1 评论 -
CS143-project4基于滑窗的人脸检测 Face detection with a sliding window
ttt原创 2016-12-29 17:37:14 · 3340 阅读 · 1 评论 -
布朗大学视觉课程CS143简介
CS 143 Introduction to Computer VisionFall 2013, MWF 1:00 to 1:50, Kasser House, Foxboro AuditoriumInstructor: James HaysTAs: Hari Narayanan (HTA), Libin "Geoffrey" Sun, Greg Yauney, Bryce Aebi,转载 2016-12-31 13:16:48 · 1036 阅读 · 3 评论 -
斯坦福视觉课程CS131简介
Stanford UniversityCS 131 Computer Vision: Foundations and ApplicationsFall 2015-2016Announcements: • Welcome to CS131! • Schedule information may change during the qua转载 2016-12-31 13:42:05 · 10048 阅读 · 2 评论 -
CS131-PA1 全景拼接Panorama Stitching
全景拼接(Panoramic stitching)是机器视觉应用比较早也比较成功的方向,目前有大量的应用,比如google的街道全景图,手机的全景图像拼接,各种拼接软件(Photosynth and AutoStitch)等等.本文方法是通过计算不同图像sift特征,并计算出图像之间的仿射关系,从而拼接出全景图像原创 2016-12-31 13:59:11 · 3394 阅读 · 0 评论 -
CS131-PA2 通过聚类实现前/背景分离 Foreground-Background Segmentation via Clustering
通过聚类实现前/背景分离图像背景分离也称图像切割,原理是利用聚类算法将图像进行聚类,聚为不同的若干个类,这些类别即包含了图像的前景和背景。此项目包含以下几个方面:聚类方法:实现K-Means和Hierarchical Agglomerative算法点特征向量:实现ComputePositionColorFeatures(颜色和位置)方法和特征归一化不同参数实验并分析原创 2017-01-01 17:14:04 · 1621 阅读 · 1 评论