本资源为HOG+SVM实现的行人检测系统，包括完整的训练、检测和测试程序。
检测程序运行环境为VS2013+opencv2.4.13和QT+opencv3.1.0,测试程序运行环境为matlab2016，具体运行方法见资源中的.txt说明文件。
检测程序运行环境为VS2013+opencv2.4.13和QT+opencv3.1.0,测试程序运行环境为matlab2016，具体运行方法见资源中的.txt说明文件。
2024/1/24 1:31:30
7.57MB
1
在2005年CVPR上，来自法国的研究人员NavneetDalal和BillTriggs提出利用Hog进行特征提取，利用线性SVM作为分类器，从而实现行人检测。
而这两位也通过大量的测试发现，HOG+SVM是速度和效果综合平衡性能较好的一种行人检测方法。
后来，虽然很多研究人员也提出了很多改进的行人检测算法，但基本都以该算法为基础框架。
因此，HOG+SVM也成为一个里程表式的算法被写入到OpenCV中。
在OpenCV2.0之后的版本，都有HOG特征描述算子的API，而至于SVM，早在OpenCV1.0版本就已经集成进去
而这两位也通过大量的测试发现，HOG+SVM是速度和效果综合平衡性能较好的一种行人检测方法。
后来，虽然很多研究人员也提出了很多改进的行人检测算法，但基本都以该算法为基础框架。
因此，HOG+SVM也成为一个里程表式的算法被写入到OpenCV中。
在OpenCV2.0之后的版本，都有HOG特征描述算子的API，而至于SVM，早在OpenCV1.0版本就已经集成进去
2023/12/23 21:16:19
4.96MB
1
本人课程作业，直接运行Optimize.m即可进行测试。
其中除了SVM部分利用Matlab现有库，其余皆为自己编写的程序，由于预选框采用变尺度滑动，所以运行会比较慢，请谅解。
其中除了SVM部分利用Matlab现有库，其余皆为自己编写的程序，由于预选框采用变尺度滑动，所以运行会比较慢，请谅解。
2023/12/1 11:08:02
35.35MB
1
为了说明训练过程，本示例将训练SegNet，一种用于图像语义分割的卷积神经网络(CNN)。
用于语义分割的其他类型网络包括全卷积网络(FCN)和U-Net。
以下所示训练过程也可应用于这些网络。
本示例使用来自剑桥大学的CamVid数据集展开训练。
此数据集是包含驾驶时所获得的街道级视图的图像集合。
该数据集为32种语义类提供了像素级标签，包括车辆、行人和道路。
本示例创建了SegNet网络，其权重从VGG-16网络初始化。
要获取VGG-16，请安装NeuralNetworkToolbox?ModelforVGG-16Network：安装完成后，运行以下代码以验证是否安装正确。
此外，请下载预训练版SegN
用于语义分割的其他类型网络包括全卷积网络(FCN)和U-Net。
以下所示训练过程也可应用于这些网络。
本示例使用来自剑桥大学的CamVid数据集展开训练。
此数据集是包含驾驶时所获得的街道级视图的图像集合。
该数据集为32种语义类提供了像素级标签，包括车辆、行人和道路。
本示例创建了SegNet网络，其权重从VGG-16网络初始化。
要获取VGG-16，请安装NeuralNetworkToolbox?ModelforVGG-16Network：安装完成后，运行以下代码以验证是否安装正确。
此外，请下载预训练版SegN
2023/11/15 8:25:03
1.06MB
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