在这个项目中,我将对15个场景数据库(Bedroom、Coast、Forest、Highway、Industrial、InsideCity、Kitchen、LivingRoom、Mountain、Office、OpenCountry、Store、Street、Suburb、TallBuilding)进行训练和测试,借助HOG特征提取构建词袋模型,并利用集成学习分类器实现场景识别。 最邻近分类器:准确率(55.0%) 随机森林分类器:准确率(69.1%) 直方图梯度提升分类器:准确率(72.1%) 线性支持向量机分类器:准确率(72.7%) Ours:准确率(74.2%)
2023-04-06 11:06:26 85.35MB 计算机视觉 场景识别 词袋模型
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。
1
科大的一篇硕士论文 讲得比较详细 适合入门级的仔细研究下
2022-05-21 08:54:59 5.73MB 词袋模型 图像分类 sift
1
只使用了numpy,没有使用tensorflow或pytorch框架,使用的是单线程,具有详细的注释,如有不对请大家指正,非常感谢,多交流
2022-05-20 15:20:01 101.72MB cbow Hierarchical softmax
1
matlab 图像膨胀代码系统仅在 Windows 操作系统上运行 ###要运行系统,请按照下列步骤操作: 将数据集图片放在data/images/中,query/images/中的查询图片和data/中的code book重命名为codebook.hdf5(代码书下载链接见下文) 将groundtruth文件放在groundtruth/ 使用 Matlab 运行步骤 1 -> 步骤 2 -> 步骤 3 -> 步骤 4 ###结果: ranklist/ 包含检索到的排名列表 ap/ 包含每个查询的平均精度 MAP.txt 包含平均平均精度的值(运行步骤 4 时也会在屏幕上打印出来) ###来自外部来源的图书馆: lib/feature_detector/hesaff.exe:用于提取图像特征和计算描述符,编译自 ,可能需要安装OpenCV才能运行 lib/flann:用于计算每个特征的最近聚类,可在以下位置获得: vlfeat/vlfeat-0.9.20:主要用于 vl_binsum 等函数... ###职能: extractFeatures:使用 lib/feature_detect
2022-05-08 19:35:28 26.97MB 系统开源
1
使用matlab实现蜂群SVM,粒子群SVM,遗传算法SVM,数据包含有公共数据集,公共图像数据集,图像特征提取用了词袋,保证可用(公共图像数据集太大,删除了)
2022-04-13 22:05:28 29.53MB 支持向量机 matlab 算法 机器学习
基于多特征的红外图像超分辨率重建,杨晓敏,韦帅方,在超分辨率研究过程中,人们发现图像块的特征提取是决定超分辨率重建质量的重要环节。图像特征直接表达图像块的结构信息。传统的
2022-03-26 17:22:35 509KB 词袋模型
1
利用词袋模型和SVM进行图片分类代码
2022-03-24 12:42:22 5KB 支持向量机 分类 算法 机器学习
1
视觉词典 词袋模型 有完整的介绍 ,ppt文档,注意是ENGLISH WRITTEN
2022-03-17 11:30:06 6.68MB 视觉词典 bag of features
1
使用词袋模型(bow)和svm对字符图片实现多分类
2021-12-10 20:12:55 8.78MB svm多分类 bow词袋模型
1