基于全局特征的行人重识别算法主要使用交叉熵损失函数和三元组损失函数来监督网络的学习。然而,原始三元组损失函数在增大类间距离的同时并未很好地优化类内距离,为了解决这个问题,提出一种基于全局特征的行人重识
提出了一种基于稳定局部区域检测和全局图像特征描述的图像检索新算法。该算法继承了局部区域特征和GIST特征的优点,能够更精确地描述图像的内容,并且可以应对不同的视角变换,在一定程度上提高了图像检索的精度
收稿日期 :2007206226; 修回日期 :2007209207 基金项目 :国家自然科学基金资助项目 (60675028 作者简介 :高健 (19772 , 男 , 江苏南京人 , 博士研究生
一种使用Harris特征点的区域图像检索算法
鉴于摄像机采集的图像一般都存在一定程度的旋转和平移,一般的匹配算法都存在较高的误匹配率,引入极线约束,提出一种改进的SIFT特征匹配 算法,并在MATLAB中实现算法,实验结果证明该算法有效
针对序列图像拼接问题,提出一种基于尺度不变特征(SIFT)的自动拼接方法。该方法首先计算图像SIFT特征向量,作为匹配的依据,其次利用SIFT特征进行图像配准,进一步配准的基础上利用图像交叠处距离差来
提出一种基于全局和局部特征的LBP人脸识别算法不错的一篇关于LBP的文章。
过3组实验图像的匹配结果表明,SIFT算法提取的特征对图像缩放、旋转、亮度变化的 ... 基于SIFT的图像配准方法Image registration approach based on SIFT
为提高红外图像拼接速度和精度,对基于特征点匹配的图像拼接算法进行改进。根据图像空间特性减小角点搜索范围,通过设定梯度阈值,对梯度超过阈值的像素点进行Harris角点检测;改进Harris角点响应函数和
本体作为语义网的基石,发挥着越来越重要的作用。本体进化的目的在于动态调整本体以适应环境的变化。从基于领域本体的用户日志出发,使用Aporior算法挖掘用户操作的频繁项集和频繁路径。通过对频繁项集和频繁