这是五篇关于遥感影像分割与分类识别的比较新的文献材料，里面很详述的讲解了一些分割与分类的实用方法与实验结果，希望对大家有用!
2018/9/9 19:03:54
7.27MB
1
这是五篇关于遥感影像分割与分类识别的比较新的文献材料，里面很详述的讲解了一些分割与分类的实用方法与实验结果，希望对大家有用!
2018/9/9 19:03:54
7.27MB
1
一个基于静态图像的人脸识别零碎。
该零碎包括人脸图像的采集、图像预处理、人脸检测定位、人脸特征提取和识别几个部分支持向量机进行分类识别
该零碎包括人脸图像的采集、图像预处理、人脸检测定位、人脸特征提取和识别几个部分支持向量机进行分类识别
2019/4/7 21:40:05
24.69MB
1
这是一份基于支持向量机（SVM）的手写字体识别源代码（Python版本），目前只支持二分类识别。
完成了快速SMO算法。
完成了快速SMO算法。
2017/5/24 15:35:28
11KB
1
本人写的matlab图像分类代码，内含训练和测试的SAR图片。
分类方法采用了KPCA特征提取和SVM算法分类，程序有GUI界面可以很好的运转。
分类方法采用了KPCA特征提取和SVM算法分类，程序有GUI界面可以很好的运转。
2015/3/20 12:26:19
28.6MB
1
基于matlab实现树叶识别，次要是提取树叶的边界图形，根据图形计算傅里叶描述，使用傅里叶描述子对目标图像进行分类识别。
2019/10/20 7:35:56
486KB
1
手脸近距遮挡属于深度传感器应用中具有代表性的难点问题，针对该问题提出了一种综合利用颜色与深度信息的手势识别方法。
采用核模糊C-均值聚类，对手脸遮挡图像进行粗分割和灰度增强，实现手脸分离。
引入初始化水平集函数，处理聚类方法导致的手势区域像元缺失问题。
利用基于深度信息的梯度方向直方图(HOG)特征对手势进行分类识别。
通过采集不同人体手脸近距遮挡情形下的多种手势图像建立了样本数据库，进行了对比实验，实验结果验证了该方法的可行性和有效性。
本文方法能有效分离近距遮挡的手和脸，提取得到相对完整的手势信息，深度HOG特征能够对手势空间信息进行精确描述，具有比传统形状特征更准确的识别效果。
采用核模糊C-均值聚类，对手脸遮挡图像进行粗分割和灰度增强，实现手脸分离。
引入初始化水平集函数，处理聚类方法导致的手势区域像元缺失问题。
利用基于深度信息的梯度方向直方图(HOG)特征对手势进行分类识别。
通过采集不同人体手脸近距遮挡情形下的多种手势图像建立了样本数据库，进行了对比实验，实验结果验证了该方法的可行性和有效性。
本文方法能有效分离近距遮挡的手和脸，提取得到相对完整的手势信息，深度HOG特征能够对手势空间信息进行精确描述，具有比传统形状特征更准确的识别效果。
2018/1/7 4:29:25
11.61MB
1
这是HaGRID手势识别数据集使用说明和下载，原文连接：https://panjinquan.blog.csdn.net/article/details/126725796，HaGRID数据集数量特别大，有716GB的大小，包含552,992个FullHD(1920×1080)RGB图像。
此外，如果帧中有第二只手，则某些图像具有no_gesture类。
这个额外的类包含123,589个样本。
数据分为92%的训练集和8%的测试集，其中509,323幅图像用于训练，43,669幅图像用于测试。
提供手势动作识别数据集，共18个手势类别，每个类别约含有7000张图片，总共123731张图片(12W+)提供所有图片的json标注格式文件，即原始HaGRID数据集的标注格式提供所有图片的XML标注格式文件，即转换为VOC数据集的格式提供所有手势区域的图片，每个标注框的手部区域都裁剪上去，并保存在Classification文件夹下可用于手势目标检测模型训练可用于手势分类识别模型训练
此外，如果帧中有第二只手，则某些图像具有no_gesture类。
这个额外的类包含123,589个样本。
数据分为92%的训练集和8%的测试集，其中509,323幅图像用于训练，43,669幅图像用于测试。
提供手势动作识别数据集，共18个手势类别，每个类别约含有7000张图片，总共123731张图片(12W+)提供所有图片的json标注格式文件，即原始HaGRID数据集的标注格式提供所有图片的XML标注格式文件，即转换为VOC数据集的格式提供所有手势区域的图片，每个标注框的手部区域都裁剪上去，并保存在Classification文件夹下可用于手势目标检测模型训练可用于手势分类识别模型训练
2022/9/16 21:14:28
136B
1
实现人体步态检测和基于步态的人体身份识别算法，主要内容包括背景的提取，人体运动区域检测，人体轮廓提取，步态特征的提取，类似性度量和分类识别。
-
-
2015/8/9 15:22:27
2.3MB
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