OpenCV3.3深度神经网络(DNN)模块中使用GoogleNet模型实现图像分类所需求的三个文件-bvlc_googlenet.caffemodel，-bvlc_googlenet.prototxt，synset_words
2016/8/11 14:41:36
47.71MB
1
面对遥感图像日益增长的分辨率，面向对象的分类处理方法相较于传统的基于像素的分类方法愈来愈有优势。
针对其分割处理环节仍存在过分割以及欠分割现象而导致分类精度降低的问题，本文提出一种融合多尺度分割的办法，使用不同尺度分割结果融合的结果作为最终分类的输入。
经过试验，此融合分割办法能无效的减少欠分割与过分割，提高面向对象的分类精度。
针对其分割处理环节仍存在过分割以及欠分割现象而导致分类精度降低的问题，本文提出一种融合多尺度分割的办法，使用不同尺度分割结果融合的结果作为最终分类的输入。
经过试验，此融合分割办法能无效的减少欠分割与过分割，提高面向对象的分类精度。
2017/1/9 19:47:19
710KB
1
课程论文事项一、所写题材范围1、引见常用的遥感图像分类的原理，并分别给出如下两个波段（I1和I2）图像的监督分类（分类算法及训练区自行选择，分类算法任选一种）和非监督分类（分类算法任选一种）的结果。
I1=[12342n453210]I2=[43213210123n]n:学号的后两位，如学号后两位02，则n=2；
学号后两位21，则n=21。
2、引见几种常用的多光谱图像和全色图像融合的算法。
假设多光谱图像有两个波段I1、I2（其中I1和I2与第1题图像相同），并假设全色影像为I3=[0123321n1234]试计算应用PCA算法融合多光谱图像（I1和I2）和全色图像I3的结果。
仅供参考！！不保证结果正确性！！！
I1=[12342n453210]I2=[43213210123n]n:学号的后两位，如学号后两位02，则n=2；
学号后两位21，则n=21。
2、引见几种常用的多光谱图像和全色图像融合的算法。
假设多光谱图像有两个波段I1、I2（其中I1和I2与第1题图像相同），并假设全色影像为I3=[0123321n1234]试计算应用PCA算法融合多光谱图像（I1和I2）和全色图像I3的结果。
仅供参考！！不保证结果正确性！！！
2015/7/1 1:32:11
30KB
1
CVPR2020:用于图像分类的空间留意输出层_论文阅读
2017/3/20 1:51:33
2.09MB
1
基于HOG特征提取的图像分类器，首先提取图像的HOG特征，以此训练SVM分类器，使训练过后的SVM分类器能够自动对测试图像文件进行分类。
本套分类器的实现是基于Matlab言语开发。
Classify()是主函数。
本套分类器的实现是基于Matlab言语开发。
Classify()是主函数。
2016/2/17 1:30:36
225KB
1
RepoformostofCVproblems,suchasimageclassification,objectdetection,poseestimation,segmentation,andsoon.
2016/5/23 15:47:15
26.74MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB