hogcascade训练内有人头训练样本和使用文档还有归一化matlab代码

该样本数据集包含4300张正样本和23000张负样本。训练出来的模型可靠性强，正样品尺寸已resize

可以打开视频文件，对视频文件中的人头进行检测并统计数量。算法有HOG RCNN 及Aggrate Channel Features三种

本资源包含人脸检测训练所需的正图像样本库和负图像样本库

近年来基于学习的机器人抓取方法正在吸引越来越多研究人员的注意。对于在训练集里出现的物体,这些方法一般能够取得较好的结果,但对于没有出现在训练集里的新物体,抓取性能则会下降。通常情况下从源域(sourc

基于高维仿生信息学理论思想，提出了一种运用图论中最小生成树算法构筑训练样本点覆盖的新算法。通过Gabor滤波变换，每个训练图像得到40个Gabor特征图，对这些特征图使用超香肠神经网络模型（HSN模型

深度学习技术在三维激光点云数据处理中的应用是近年来新的研究热点,应用点云数据(LAS格式)制作深度学习训练样本(HDF5文件格式)过程中涉及两种文件格式的转换的问题。基于VS2013开发平台创建MFC

提出了基于trace变换不变性特征的人脸识别算法，提高了单训练样本下姿势和表情变化后的识别率。应用一阶Scharr算子、二阶尺度适应的高斯型拉普拉斯算子（LOG）和Harris滤波器定位特征点，选择合

人头检测所需要的训练样本，包含14000张负样本，8000张训练正样本和2000张测试正样本。包含正面、侧面和背面的人头图像，不包含俯视的人头图像。

通过设置光源的随机二维光场，积分求光强。对光强进行系综平均，在以每一次的光强值比上平均值为新的光强值代入最后的关联重建

用于SVM数据归一化，主要目的为规避不同变量之间的量纲差异