tsn_r50_1x1x3_100e_kinetics400_rgb_20200614-e508be42.pth
2022-06-16 21:07:50
93.06MB
1
文中主要基于视觉词袋（BOVW， Bag-Of-Visual-Words）模型对图像进行分类处理，并对传统视觉词袋模型存在的不足进行了改进，提出了一种基于视觉词典的权重直方图来表达图像，采用优化的k-means聚类算法（k-means+）用于视觉词典的构建，代入KNN（K-Nearest-Neighbors）分类器进行分类。通过对Caltech 101和Caltech 256这两个经典数据库进行实验，实验结果表明该改进方案较传统方法提高了分类的正确率。
2022-06-04 17:46:51
773KB
1
yolact预训练模型下载，有需要的可以拿走，git上太慢 把权重放到项目下的weights文件夹下。
2022-02-22 20:43:35
201.06MB
1
针对传统的Adaboost 训练算法在训练过程中可能出现训练退化和训练目标类权重分布 过适应的问题，提出一种改进的Adaboost 训练算法． 改进算法通过调整加权误差分布限制目 标类权重的扩张，并且最终分类器输出形式以概率值输出代替传统的离散值输出，提高了训 练结果的检测率． 实验结果表明，改进的Adaboost 算法在Inria 数据集上取得了较好效果．
2021-12-13 19:38:58
836KB
1