特徵提取

1/2ページ

結合遺傳和蟻群演算法的影象邊緣特徵提取

**以下是我讀了相關文章的總結** 因為影象主要資訊來源於邊緣,以前用Roberts運算元和Sobel運算元。其中遺傳和蟻群演算法具體如下: 1)遺傳演算法:前期收斂快,而後期迭代次數多了,手鍊開始變得緩慢; 2)蟻群演算法:前期因為“資訊素”較少,所以收斂速度慢,但是後期收斂速度加快,且其具有並行 […]

Selective Search for Object Recognition

今天認真把Selective Search for Object Recognition這篇文章閱讀完,想來寫寫自己的見解與想法。如果有錯,希望得到大牛們的指點,謝謝! 文章一開始就提出問題: 如何判別哪些Region屬於同一個物體? 對於圖a,說明了物體之間可能具有的層級關係,比如碗裡有個勺子; […]

HOG特徵的理解

HOG特徵 有關HOG特徵的介紹、詳解、程式碼在網上都能找到很多。我是在處理車牌識別中字元識別問題時,無意之中接觸到HOG特徵演算法的,當時趕時間完成作業,正愁於如何對數字和字母,以及部分漢子提取特徵,以便能夠準確地實現識別的功能。一看到HOG特徵,讓我眼前一亮,雖然演算法是設計用來識別行人的,但用 […]

CNN入門講解:如何理解卷積神經網路的結構

原創文章,一家之言。 個人公眾號:follow_bobo 知乎號:蔣竺波 轉載請通知本人。 大家好,我是波波,歡迎再次來到CNN入門講解。 上次我們講什麼卷積以及卷積在卷積神經網路裡的作用,那我們這一期來理一理卷積神經網路大致的結構 嗎? 我不!! 驚不驚喜?! 抱歉,我就是這樣一個水性楊花,做事看 […]

特徵提取之Haar特徵

特徵提取之Haar特徵 一、前言(廢話) 很久沒有寫部落格了,一晃幾年就過去了,為了總結一下自己看的一些論文,以後打算寫一些自己讀完論文的總結。那麼,今天就談一談人臉檢測最為經典的演算法Haar-like特徵 Adaboost。這是最為常用的物體檢測的方法(最初用於人臉檢測),也是用的最多的方法,而 […]

影象特徵提取之–PCA方法

引言 PCA是Principal Component Analysis的縮寫,也就是主成分分析。也是用於降維常用的一中方法。PCA 主要用於資料降維,對於高維的向量,PCA 方法求得一個 kk 維特徵的投影矩陣,這個投影矩陣可以將特徵從高維降到低維。投影矩陣也可以叫做變換矩陣。新的低維特徵必須每個維 […]

差分近似影象導數運算元之Laplace運算元

背景簡述 在影象處理,我們知道經常把Laplace運算元作為邊緣檢測之一,也是工程數學中常用的一種積分變換。本節主要介紹Laplacian 運算元相關的知識。 基本理論 首先,拉普拉斯運算元是最簡單的各向同性微分運算元,它具有旋轉不變性。一個二維影象函式的拉普拉斯變換是各向同性的二階導數,定義為: […]

LOCOCO角點檢測方法(一種快速精確的Harris及KLT)介紹

雖然Harris及KLT(Kanade-Lucas-Tomasi)等方法被廣泛等應用於角特徵檢測領域,但是由於這些運算元計算複雜,很難達到實時執行,所以其應用也受到了限制。由此一種新的實時快速演算法LOCOCO角點檢測方法(2011年)被提出,它重新設計了Harris及KLT演算法來減少其計算複雜度 […]