统计学习课程练习 Image Retrieval 图像检索，参考gitbub 项目flask-keras-cnn-image-retrieval。添加性能评估(precision, recall, F1, MRR)部分。需要使用vgg16_weights.h5

随机森林图像matlab代码随机决策森林 我们将RF应用于Caltech101数据集的子集以进行图像分类。 使用提供的Caltech101数据集。 我们使用10个班级，每个班级使用15张图像进行训练，并使用每班其他15张图像进行测试。 给出了特征描述符d。 它们是多尺度的密集SIFT特征，其维数为128（有关描述符的详细信息，请参阅）。 该项目基于2014年6月20日由Mang Shao和Tae-Kyun Kim编写的“用于Matlab的简单随机森林工具箱”。 这个Simple-RF工具箱用于逐步说明随机化的决策森林（RF），并在多个玩具数据集和Caltech101图像分类数据集上提供了注释指南。 此代码受Karpathy的工具箱（1）和MSR关于随机森林的工作（2）的启发： 要运行的主要脚本（从主目录）是：main.m-运行演示脚本并显示结果main_guideline-分步演练 一些重要功能： 内部功能： getData.m - Generate training and testing data growTrees.m - Grow random forest, each dec

Caltech101 是一个图像物体识别数据集，包含 101 类物体的图像，每个类别中最小包含 31 张图片。

在 Caltech101 和我自己的测试数据集上使用 SURF/SIFT 特征进行图像分类的视觉词袋。 该项目的详细信息在我的博客文章中：heraqi.blogspot.com/2017/03/BoW.html

Caltech101 是一个图像物体识别数据集，包含 101 类物体的图像，每个类别中最小包含 31 张图片。

Neuromorphic-Caltech101（N-Caltech101）数据集是原始基于帧的Caltech101数据集的加标版本。原始数据集包含“Faces”和“Faces Easy”两个类，每个类都由相同图像的不同版本组成。为了避免混淆，“Faces”类已经从N-Caltech101中删除，只剩下100个对象类和一个后台类。N-Caltech101数据集是通过将ATIS传感器安装在电动云台上，并在LCD监视器上查看Caltech101示例时移动传感器来捕获的，如下面的视频所示。关于数据集的完整描述:https://www.garrickorchard.com/datasets/n-caltech101

caltech101数据集包含101类，已经分好训练集与测试集，每一个类别的图像在一个单独的文件夹，每一类图像的个数及大小可能都不相同

本数据集是caltech101数据集压缩包，完整有效，是深度学习用于图像分类的经典数据集。