二阶梯度matlab代码UntrimmedNet用于动作识别和检测 我们提供了CVPR论文的代码和模型（）： UntrimmedNets for Weakly Supervised Action Recognition and Detection Limin Wang, Yuanjun Xiong, Dahua Lin, and Luc Van Gool in IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017 更新 2018年10月16日 释放仅在ActivityNet1.2数据集的训练集中训练的学习模型。 请注意，我们先前发布的ActivityNet模型是在train + val集合上训练的。 2017年9月19日在THUMOS14和ActivityNet1.2数据集上发布学习的模型。 2017年8月20日释放模型原型。 指导 UntrimmedNet的培训包括三个步骤： 步骤1 ：为每个未修剪的视频提取动作建议（或镜头边界）。 我们在ActivityNet（v1.2）上的data/anet

深度学习在人脸识别的研究和应用中取得一定成效,但因计算量大且耗时,不适用于小型嵌入式设备。基于融合梯度特征的轻量级卷积神经网络SqueezeNet提取人脸特征,既能保证该网络模型适用于内存相对小的嵌入式设备,又能保证获得的人脸特征对不同光照更具鲁棒性。实验结果表明,将8×8分块图像中提取的一阶梯度特征,与轻量级卷积神经网络提取的全局特征相融合的人脸识别算法,在LFW数据集中识别率可达97.28%,较传统轻量级卷积神经网络的人脸识别方法,识别率提高了4.36%。

适用于计算图像一阶梯度,计算方法与matlab的gradient方法一致.

一阶梯度法 a. Steepest descendent Sk = -gk/|gk| direction gradient 知道了方向，如何确定步长呢？ 最常用的是先选择任意步长l，然后在计算中调节 用体系的能量作为外界衡量标准，能量升高了则逐步减小步长。 robust, but slow 最速下降法

LBP直方图MATLAB代码卫生组织 基于二阶梯度直方图的新型局部图像描述符 该存储库包含“”论文的代码（在Matlab中）。 引文 @ARTICLE{6891351, author={D. Huang and C. Zhu and Y. Wang and L. Chen}, journal={IEEE Transactions on Image Processing}, title={HSOG: A Novel Local Image Descriptor Based on Histograms of the Second-Order Gradients}, year={2014}, volume={23}, number={11}, pages={4680-4695}, keywords={feature extraction;gradient methods;image classification;image enhancement;image matching;novel local image descriptor;HSOG;retinal image;geometric