暂无评论
图像分类的5种机器学习方法 传统机器学习 对图像进行识别分类
tesnorflow实现图片分类代码，采用CNN网络架构，具有知道意义
一个简单的图片分类程序，基于python(numpy & opencv)，文件包含代码以及图片集，分类正确率约为89%。仅供学习使用…
基于OpenCV的图像分类技术，非监督分类中常用方法，简单实用
有助于理解logo图像的识别方法帮助新手更好的理解logo图像的识别
这是09年发表在计算机视觉与模式识别会议（CVPR）上的论文源码，里面包含了图像分类的基本方法，对于图像分类效果非常好
数据为从101_ObjectCategories中选出的部分数据,作为图像分类的测试数据
图像分类 该项目旨在使用SLEAP工具箱( )跟踪视频中的单元格。 转换工具箱使用深度学习来跟踪视频中动物的位置,并在视频的每一帧上提供动物(以及它们身体的不同部位)的位置。 当前的工具箱使用SLEA
基于sift的图像特征提取，使用bagofword模型，后端使用贝叶斯分类器进行分类，实验了五种树叶图像，效果良好。 对于形态特征具有良好的描述能力。
提出了一种基于K-means的煤岩边界提取算法。运用小波变换提取出煤岩图像中大尺度特征,以剔除其杂散纹理和噪声对后续聚类过程的影响;采用K-means算法完成煤岩边界分布的聚类;并利用Canny算子提
暂无评论