搜索资源列表
HOG-LBP-detection
- matlab 实现的hog和lbp 结合的行人检测-matlab hog-lbp detection
CODE
- 1.GeometricContext文件是完成图片中几何方向目标分类。 参考文献《Automatic Photo Pop-up》Hoiem 2005 2 GrabCut文件是完成图像中目标交互式分割 参考文献《“GrabCut” — Interactive Foreground Extraction using Iterated Graph Cuts》 C. Rother 2004 3 HOG文件是自己编写的根据HOG特征检测行人的matlab代码 4 虹膜识别程序
hog
- matlab实现HOG算法，用于行人检测-Matlab HOG algorithm for pedestrian detection
demo_01
- 用matlab编写的基于haar特征和SVM的行人检测代码集。其中包含了数据集。-Using matlab haar features and SVM-based pedestrian detection code set. Which contains the data set.
project3
- matlab实现的行人检测加跟踪，对学习图像处理的同学很有帮助-matlab implementation of pedestrian detection and tracking, help students learn image processing
MotionPDetection
- 运动目标检测与跟踪的matlab代码，包含实验数据，代码解释。有助于行人检测，智能交通，视频监控等领域的研究。-Moving target detection and tracking matlab code, contains the experimental data, code interpreter. To help pedestrian detection, intelligent transportation, video surveillance, and other areas
DeepLearnToolbox_CNN_lzbV2.0
- DeepLearnToolbox_CNN_lzbV2.0 深度学习,卷积神经网络,Matlab工具箱 参考文献: [1] Notes on Convolutional Neural Networks. Jake Bouvrie. 2006 [2] Gradient-Based Learning Applied to Document Recognition. Yann LeCun. 1998 [3] https://github.com/rasmusberg
DeepLearnToolbox_CNN_lzbV3.0
- CNN - 主程序 参考文献: [1] Notes on Convolutional Neural Networks. Jake Bouvrie. 2006 [2] Gradient-Based Learning Applied to Document Recognition. Yann LeCun. 1998 [3] https://github.com/rasmusbergpalm/DeepLearnToolbox 作者：陆振波 电子
OpenCode_luzhenbo
- [原创]混沌分析,聚类分析,支持向量机,群体智能优化,深度学习(卷积神经网络)Matlab工具箱全开源版本下载 作者: 陆振波 毕业院校：海军工程大学，船舶与海洋工程(水声工程)，博士 精通方向：信号处理，图像处理，人工智能，模式识别，支持向量机，深度学习，机器学习，机器视觉，群体智能，非线性与混沌，Matlab与VC++混编，大数据 擅长技能：团队激励，战略规划，企业文化，组织架构，C，C++，Matlab，OpenCV，并行计算，图像处理，智能视觉，卷积神经网络，人脸检测，行
matlab代码
- 基于matlab的行人检测代码 排名第2的目标检测算法：基于加州理工学院2009年行人检测的文章：Integral Channel Features（积分通道特征）(Pedestrian detection code based on MATLAB)
HOG 行人检测代码
- 本文针对运动目标的检测和跟踪这一研究课题，深入研究了两种非常重要的检测和跟踪技术-光流技术和帧差法的检测技术，在运动目标检测和跟踪中的应用中，对光流法和帧差法的优缺点进行了实验分析，文中所描述的这两种检测和跟踪技术和方法都通过仿真实验进行了验证。(Detection and tracking of moving targets, the author of this paper the research topic, further study of the two very important
Adaboost
- 用Adaboost实现行人检测中的漏检率，与boosting进行比对。(Using Adaboost to achieve missed detection rate in pedestrian detection, compared with boosting.)