搜索资源列表
yichuangsuanfa
- 遗传算法在模式识别、神经网络、图像处理、机器学习、工业优化控制、自适应控制、生物科学、社会科学等方面都得到应用。-genetic algorithm in pattern recognition, neural networks, image processing, machine learning, optimization of industrial control, adaptive control, Biological sciences, and social sciences are
虹膜身份识别技术
- 介绍了当前最有发展前景的生物特征识别技术一虹膜身份识别技术，它包括虹膜图像的获取、预处理、特征提取与编码以及分类几个步骤。详细介绍了当今具有代表性的虹膜识别算法，指出各种算法的特点并比较其优劣。最后，针对 虹膜识别技术存在的主要问题分析了虹膜识别的发展方向，即精度高、速度快、鲁棒性好的定位算法，高效的特征提取方法，机器学习的分类方法，虹膜图像的质量评价方法，不完整、不合作情况下的虹膜识别研究以及活体虹膜检测等。
AForge.NET_Framework-2.1.3
- 一个C#下面的图像处理算法以及人工智能算法的类库。人工智能的算法包括神经网络算法，遗传算法，机器学习算法等。使用C#写人工智能算法的开发者可以直接调用这个类库，不用自己实现最底层的算法了。我曾经使用过其中的遗传算法类库，功能十分强大，推荐使用。 -English Descr iption: AForge.NET Framework is a C# framework designed for developers and researchers in the fields of Comput
TracKIT
- TrackIT是一款开放式的机器视觉开发平台，目前集成了从相机输入、色彩转换、彩色图像处理、灰度图像处理、二值图像处理、阈值分割、边缘检测、Blob检测、相机标定、Kalman滤波器、光流跟踪器、最近邻域跟踪、数学形态学方法、机器学习算法等近100个组件，并在不断添加更新中，采用开源OpenCV、WxWidgets、CMU139等标准工具，使用XML动态解析界面，所有参数在界面上直接调整，同时可立即看到调整效果，并可动态加载组件，可用于一般科学研究和机器视觉系统开发。运行时需要.net框架支持。
AForge.NET
- C#开发的计算机视觉及人工智能领域的一个功能非常强大的类库，包括图像处理库、计算机视觉库、机器学习库、视频处理库等。-AForge.NET Framework is a C# framework designed for developers and researchers in the fields of Computer Vision and Artificial Intelligence- image processing, computer vision, neural networks
SGA
- 基本遗传算法的C语言源程序。（遗传算法的应用范围极其广泛，它可应用于函数优化、组合优化、生产调度问题、自动控制、机器人学、图像处理、人工生命、遗传编程以及机器学习等领域。）-Basic genetic algorithm C language source code. (Genetic algorithm extremely broad range of applications, it can be applied to function optimization, combinatorial
FaceDe
- 基于支持向量聚类的多聚焦图像融合算法. 从无监督机器学习角度提出了一种基于SVC(support vector clustering)的图像融合规则,解决了基于 SVM(support vector machine)的融合规则在处理多聚焦图像融合问题时所引起的区域混叠与非平滑过渡问题,进一步提高了融合图像的质量.-Based on support vector clustering algorithm for multi-focus image fusion. Never oversig
machinevision
- 国内机器视觉、图像处理行业分析，对研究生阶段学习这个行业的要求，希望这个方向的研究生-Domestic machine vision, image processing, industry analysis, stage of post-graduate study and the requirements of the industry, I hope in this direction a good look at the post-graduate
sss_source
- 《OpenCV教程》(基础篇)是国内第一本全面介绍OpenCV的中文版图书，对OpenCV开放源代码计算机视觉库进行了详细讲解。OpenCV由一系列C函数和C++类构成，功能涵盖图像处理、计算机视觉和模式识别等领域。OpenCV实现了大量通用算法，涉及到图像处理、结构分析、运动检测、摄像机定标、三维重建以及机器学习等方面，并有较高的运行效率。-The Open Source Computer Vision Library may contain design defects or errors
IPT
- 个人在学习数字图像处理和机器视觉时编的一些代码-Individuals in learning digital image processing and machine vision some code when compiled
《图像处理、分析与机器视觉》(第三版.中文)
- 运动控制,希望对大家有用，我也是刚学习，和大家一起学习，(Motion control, in the hope that useful to everybody, I'm just learning, and everybody study together,)
基于机器学习的遥感图像水体提取研究_王知音
- 图形图像处理主要用于图像代码显示，为了更好的处理图像(Graphic image processing)
NatureDeepReview
- 深度学习允许由多个处理层组成的计算模型来学习具有多个抽象层次的数据表示。这些方法极大地提高了语音识别、视觉对象识别、目标检测以及药物发现和基因组学等许多领域的最新进展。深度学习发现复杂的结构在大数据集，通过使用反向传播算法来指示一台机器应该如何改变其内部参数，用于计算在每一层的代表性，从上一层的代表。深层卷积网在处理图像、视频、语音和音频方面取得了突破性进展，而递归网络则在文本和语音等连续数据上起到了作用。(Deep learning allows computational models th
face_train_use_keras.py
- 1.处理图像 2.机器学习 3.训练 4.生成训练文件(1. processing images 2. machine learning 3. training 4. generate training files)
数字图像处理与机器学习基础
- 数字图像处理，常用的图像处理方法介绍以及应用举例(Digital image processing, introduction of common image processing methods and application examples)
机器学习与数据挖掘方法和应用
- 本书分为5个部分，共18章，较为全面地介绍了机器学习的基本概念，并讨论了数据挖掘和知识发现中的有关问题及多策略学习方法，具体地阐述了机器学习与数据挖掘在工程设计，文本、图像和音乐，网页分析、计算机病毒和计算机控制，医疗诊断、生物医疗信号分析和水质分析中的生物信号处理等方面的应用情况。本书收集众多不同领域中数据挖掘的实际案例，以此来说明数据挖掘的具体解决方法，以期为广大读者提供一个更为广阔的数据挖掘(The book is divided into 5 parts, 18 chapters, a
机器学习20讲随书源码
- 机器学习20讲随书源码，主要用来对图像进行处理和识别(Machine learning 20, the source of the book, mainly used to process and identify the image)
numpy
- 图像处理，理论研究，深度学习，机器学习，python(Image processing, theoretical research, depth learning, machine learning, Python)
20171211留档
- 利用SVM对制备的样本进行三分类，对图像进行三角形匹配，模板匹配(SVM was used to classify the samples in three categories. Triangle matching and template matching were applied to the images.)
Python深度学习.pdf+代码
- 本书由Keras之父、现任Google人工智能研究员的弗朗索瓦?肖莱（Franc?ois Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。(This book is written by Franc