该资源是基于中科院-CASIA-GaitDatasetB步态图像轮廓数据库的步态周期检测与步态角度特征MATLAB源码。虽然已经有博文较为详细的讲述了怎样基于中科院-CASIA-GaitDatasetB步态图像轮廓数据库做步态周期检测与步态角度特征提取而且还附带源码;但是考虑到使用方便,这里我最终还是将我整个matlab的工程上传做一个小小的参考。实在有需要的话可以下载。
1
准备工作:python3.7, pycharm,opencv-python模块。(不懂的话,网上有许多资料可供查询) 全部代码如下(直接可运行,需将图片路径换成自己电脑的图片路径) import cv2 as cv import numpy as np # canny边缘检测 def canny_demo(image): t = 140 canny_output = cv.Canny(image, t, t * 2) cv.imshow("canny_output", canny_output) cv.imwrite("D:\\tupian\canny_out
2021-08-21 10:46:51 282KB c nc op
1
基于类轮廓层次聚类方法的研究.pdf
2021-08-20 14:13:02 337KB 聚类 算法 数据结构 参考文献
OPENCV实现的轮廓检测与处理
2021-08-19 20:38:17 658KB OPENCV
1
level set,新的方法,无需重新初始化,只要改变参数和输入图像,更改适当参数,就会得到较好的效果,里面有论文可以参考。
2021-08-19 15:55:43 15.66MB level set 轮廓检测
1
好的聚类:类内凝聚度高,类间分离度高。   本文介绍两种聚类评估方法,轮廓系数(Silhouette Coefficient)以及标准化互信息(NMI),并且用Python实现。 导航效果评估综述轮廓系数互信息参考文章 效果评估综述   这里直接贴上 聚类算法初探(七)聚类分析的效果评测   它摘自于中国科学院计算技术研究所周昭涛的硕士论文《文本聚类分析效果评价及文本表示研究》的第三章。建议先看看原文,可以对聚类评估有一个很好的了解。   综合来说,我们希望最终的聚类结果是:同一个簇内的点是紧密的,而不同簇之间的距离是较远的;同时,它也要与我们人工的判断相一致。   接下来介绍两种聚类评估方
2021-08-19 15:03:00 204KB 互信息 聚类
1
基于深度学习的轮廓检测算法:综述.pdf
2021-08-19 09:36:30 4.29MB 深度学习 数据分析 数据研究 参考文献
银川城市建筑轮廓shp数据,可用于城市规划相关的研究,也可以用于其他相关的研究。使用GIS软件打开,数据中有楼层数。提供给大家学习练习用。
2021-08-18 23:18:29 1.04MB 银川城市建筑轮廓shp数据
1
西宁城市建筑轮廓shp数据,可用于城市规划相关的研究,也可以用于其他相关的研究。使用GIS软件打开,数据中有楼层数。提供给大家学习练习用。
2021-08-18 21:24:15 1.62MB 西宁城市建筑轮廓shp数据
1
行业资料-建筑装置-带具有角轮廓的平台的轴向涡轮机叶片.zip