资源简介
图像识别一般可以分为三个部分,即图像预处理、特征提取与图像分类。图像预处理的主要目的是消除图像中无关的信息,恢复有用的真实信息,一般有数字化、几何变换、归一化、滤波等步骤。

代码片段和文件信息
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 507750 2018-11-02 14:03 基于HOG和SVM的图像识别方法.pdf
----------- --------- ---------- ----- ----
文件 507750 2018-11-02 14:03 基于HOG和SVM的图像识别方法.pdf
- 上一篇:zabbix 监控全国各节点网络延迟
- 下一篇:RTL8305NB原理图
相关资源
- Anti-biofilm Activity of Resveratrol and Ursol
- 基于蚁群算法优化SVM的瓦斯涌出量预
- 基于模糊聚类和SVM的瓦斯涌出量预测
- 基于CAN总线与ZigBee的瓦斯实时监测及
- SVM-Light资料,使用说明
- 果蝇算法融合SVM的开采沉陷预测模型
- BoW|Pyramid BoW+SVM进行图像分类
- 基于libsvm的图像分割代码
- 基于SVM及两类运动想象的多通道特征
- 小波包和SVM在轴承故障识别中的应用
- 林智仁教授最新版本LibSVM工具箱
- 台湾林教授的支持向量机libsvm
- 3D_HOG 代码
- 新闻分类语料
- libsvm-3.20
- 7种支持向量机SVM工具包
- A Practical Guide to Support Vector Classifica
- libSVM的代码详细解析,注释非常详细
- 台湾林志恒的LIBSVM的中文简体说明文
- SVM算法-回归拟合程序.zip
- hog特征提取,c版本代码
- 基于Grid-Search_PSO优化SVM回归预测矿井
- 新冒落带高度算法FOA-SVM预计模型
- 官方最新版本libsvm-3.23
- 基于PCA和SVM的个性化睡眠分期研究
- 基于svm四种工具箱
- 自然语言处理之文本主题判别
- HOG+SVM实现数字识别
- 人车分类识别 HOG特征+KNN分类器
- opencv自带SVM分类器使用程序
评论
共有 条评论