搜索资源列表
sanjiaopoufen
- 在VS2008和opencv下，对2D/3D点(云)数据实现三角剖分，运算速度快，实时性好，计算精度高，并对三角剖分进行了优化，可以处理复杂点集的三角剖分，可以用于人脸识别的工作-In the VS2008 and opencv, the pairs of 2D/3D points (cloud) data to achieve triangulation, calculation speed, real-time performance is good, high precision, and
IamSeg
- 基于形态学商图像的光照归一化算法.复杂光照条件下的人脸／P,~J1是一个困难但需迫切解决的问题，为此提出了一种有效的光照归一化算法． 该方法根据面部光照特点，基于数学形态学和商图像技术对各种光照条件下的人脸图像进行归一化处理，并且将它 发展到动态地估计光照强度，进一步增强消除光照和保留特征的效果．与传统的技术相比，该方法无须训练数据集以 及假定光源位置，并且每人只需一幅注册图像，在耶鲁人脸图像库B上的测试表明，该算法以较小的计算代价取得了 优良的识别性能．-Face recogn
nearestneighboralgorithm
- 自己写的，模式识别最近邻算法实现，配有IRIS数据集，非常实用-Their own writing, pattern recognition, nearest neighbor algorithm, with IRIS data set, very useful
CorrectCarNoImageAndRegnize
- 一种车牌图像校正新方法 【摘要】因摄像机角度而造成的机动车牌图像倾斜会对其后继的字符分割与识别带来不利的影响。本文在分析了车牌倾斜模式的基础上,提出了一种基于最小二乘支持向量机（LS-SVM）的车牌图像倾斜校正新方法。通过LS-SVM线性回归算法求取坐标变换矩阵并对畸变图像进行旋转校正。主要方法：首先,将二值倾斜车牌图像中的像素转换为二维坐标样本,并构造图像数据集 再通过LS-SVM线性回归算法对该数据集进行回归,求取主要参数 最后,再由该参数转换为能反映图像倾斜方向的2维坐标变换矩阵。实验
FaceReconstruction
- 本程序是针对UCI图像数据集上的图像进行重构与识别的实验-This procedure is for the UCI data sets on the image to reconstruct the image and recognition of the experiment
GavabDB
- GavabDB 数据集 为3D人脸识别提供资源-GavabDB 3d face database
knn_handwritten_numeral_recognition
- knn用于手写数字识别，数据集来自UCI，knn包含三种求距方式可供选择。-knn for handwritten numeral recognition , data sets from UCI , The KNN contains three seek distance to choose from .
滤波人脸识别
- 利用orl图像数据集，进行图像滤波，人脸检测。
chinese_test
- 手写汉字识别，数据集训练，MNIST，Deep Convolutional Network识别手写汉字(Handwritten Chinese character recognition, data set training, MNIST, Deep Convolutional Network)
cnn
- 基于python tensorflow框架构建的卷积神经网络用来识别图像，附带训练数据集的制作代码。(The convolution neural network based on the python tensorflow framework is used to identify images with the production code of the training data set.)
FingerTip
- 基于深度相机的手势识别，利用深度信息设置包围盒分割手，然后使用SVM分类器对训练数据集进行训练。在静态手势测试时，我们先计算测试图像的HOG特征，然后经SVM分类得到测试结果(Based on the gesture recognition of the depth camera, the depth information is used to set the bounding box to divide the hand, and then the training data set is
MSTAR官方数据集
- 用于SAR图像识别与分类的官方MSTAR图像集，百度云链接，永久有效，2GB。(Official MSTAR image set for SAR image recognition and classification, Baidu cloud link, permanently valid, 2GB.)
input_data
- mnist数据集的导入文件，官网上有可能进不去(def maybe_download(filename, work_directory): """Download the data from Yann's website, unless it's already here.""")
UCI的光学字符识别数据集
- 其目标是将大量黑白矩形像素显示器中的每一个识别为英文字母中的26个大写字母之一。字符图像基于20种不同的字体，并且这20种字体中的每个字母随机失真以产生20,000个独特刺激的文件。每个刺激被转换成16个基本的数字属性（统计矩和边缘计数），然后将其缩放以适合从0到15的整数值范围。我们通常在前16000个项目上进行训练，然后使用结果模型预测剩余的4000个字母类别。请参阅上面引用的文章以获取更多详细信息。(The objective is to identify each of a large
人头训练正负样本数据集
- 用来训练人头识别模型的正负样本数据集，正样本数据已经resize化。(The positive and negative sample data set is used to train the head recognition model, and the positive sample data has been resize.)
手写数字数据集的光学识别_KNN
- 手写数字数据集的光学识别_KNN,有数据集，有源代码(Optical Recognition of Handwritten Digital Data Set _KNN, Data Set, Source Code)
基于SVM的光学字符识别
- OCR光学字符识别是将纸上的文字扫描成数据集，然后对数据集进行分类，最终自动识别字符的技术。(OCR optical character recognition is a technology that scans text on paper into data sets, then classifies the data sets, and finally automatically recognizes characters.)
3-基于高斯混合模型的语音识别
- 基于高斯混合模型的语音识别，有完整的数据集和matlab代码(Speech recognition based on Gaussian mixture model, complete data set and matlab code)
基于深度学习的手写数字体识别
- 基于深度学习的手写数字体识别，以卷积神经网络（CNN）作为网络模型，利用mnist手写数字训练数据集训练手写数字识别模型，搭建手写数字识别系统，并用自己手写的数字照片进行测试。
手写数字识别
- 采用mnists数据集方法提取3000个训练数据进行识别