注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于稀疏特征匹配和形变传播的无缝图像拼接

  2. 稀疏特征匹配 形变传播 无缝处理 该方法执行方便快速，不需要复杂的特征检测，能够统一地纠正图像拼接中较大的结构错位。

  3. 所属分类：其它

    • 发布日期：2009-05-18
    • 文件大小：613kb
    • 提供者：courage007wq

  1. 基于匹配追踪的稀疏分解代码

  2. 基于MP的稀疏分解 原子有单一特征，可用于压缩去噪等

  3. 所属分类：其它

    • 发布日期：2010-04-29
    • 文件大小：4kb
    • 提供者：lhf552004

  1. 基于稀疏表示的系统辨识方法.pdf

  2. 基于信号的稀疏表示理论提出一种线性时不变系统辨识方法.该方法利用线性调频信号作为线性时不变系统激励输入信号,在利用传统方法进行系统辨识前利用稀疏分解算法对系统输出信号进行噪声处理.线性调频信号具有较好的时频聚集特性,线性时不变系统的输出也将具有很好的时频特征,利用基于Gabor字典的稀疏分解将能有效地提取输出信号中的有效分量,滤除其中的噪声成分,提高系统辨识的精度.仿真实验表明,本文提出的方法在低信噪比情况下,辨识效果好于传统方法.

  3. 所属分类：其它

  1. 基于冗余字典的信号超完备表示与稀疏分解

  2. 基于冗余字典的信号稀疏分解是一种新的信号表示理论, 采用超完备的冗余函数系统代替传统的正交基函数, 从而为信号自适应地稀疏扩展提供了极大的灵活性. 稀疏扩展一方面可以实现数据压缩的高效性, 更重要的是可以利用字典的冗余特性捕捉原始信号的自然特征. 本文从超完备信号稀疏分解和非线性逼近理论的一系列最新成果出发, 综述了基追踪和匹配追踪等主流算法在信号表示方面的稀疏性与字典相干系数的关系问题, 评述了目前字典构成的发展趋势.

  3. 所属分类：其它

    • 发布日期：2011-01-22
    • 文件大小：200kb
    • 提供者：belongicecream

  1. 基于深度学习和稀疏表达的人脸识别算法

  2. 本文将介绍一种基于深度学习和稀疏表达的人脸识别算法。首先，利用深度学习框架(VGGFace)提取人脸特征；其次，利用PCA对提取的特征进行降维；最后，利用稀疏表达分类实现特征匹配。我采用CMC曲线评价在AR数据库上的识别性能。最后我还提供了整个过程的code。

  3. 所属分类：其它

    • 发布日期：2017-03-12
    • 文件大小：41mb
    • 提供者：hlx371240

  1. 不相关匹配追踪的分段区分性特征变换方法

  2. 为了提高基于分帧特征变换方法的稳定性， 提出了一种基于分段的区分性特征变换方法． 该方法将特征变换当成高维信号的稀疏逼近问题，采用状态绑定的方法训练得到基于域划分的线性变换矩阵( Ｒegion Dependent Linear Transform，ＲDLT) 和基于最小音素错误准则均值补偿的特征( mean-offset feature Minimum Phone Error， m-fMPE) 变换矩阵，将两者的特征变换矩阵构成过完备的字典; 采用强制对齐的方式对语音信号进行分段， 以似然度最

  3. 所属分类：机器学习

    • 发布日期：2018-03-12
    • 文件大小：440kb
    • 提供者：qq_41828110

  1. 基于深度学习和稀疏表达的人脸识别算法

  2. 利用深度学习框架(VGGFace)提取人脸特征；其次，利用PCA对提取的特征进行降维；最后，利用稀疏表达分类实现特征匹配。采用CMC曲线评价在AR数据库上的识别性能

  3. 所属分类：深度学习

    • 发布日期：2018-05-30
    • 文件大小：3kb
    • 提供者：flyingzerozero

  1. 基于深度学习和约束稀疏表达的人脸识别算法.pdf

  2. 目前的人脸特征匹配算法大多关注于单图像与单图像的匹配而不能有效利用图像序列之间的相关信息， 因而提出了一种基于深度学习与约束稀疏表达的人脸特征匹配算法．通过 ＣＮＮ 网络对人脸图像进行特征提取， 并利用改进的稀疏表达方法自动选取相似的图像序列进行特征匹配，有效地利用了图像序列之间的相关信息．实 验结果表明，该算法在 ＬＦＷ 和 ＡＲ数据库上取得了很好的效果并优于传统的ＳＲＣ，Ｌ１－ｎｏｒｍ 和 ＣＲＣ－ＲＬＳ算法

  3. 所属分类：深度学习

    • 发布日期：2019-05-14
    • 文件大小：1mb
    • 提供者：unityhui

  1. 通过稀疏编码的SIFT-WCS-LTP特征空间金字塔匹配表示进行有效的图像分类

  2. 通过稀疏编码的SIFT-WCS-LTP特征空间金字塔匹配表示进行有效的图像分类

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：735kb
    • 提供者：weixin_38752074

  1. 基于四元稀疏正则的彩色图像超分辨率重建

  2. 为了更好地保持重建彩色图像各通道信息的相关性，有效提高彩色重建图像边缘、色彩等细节信息的恢复质量，提出一种基于四元稀疏正则模型的彩色图像超分辨率重建算法．该算法利用四元数表示彩色图像的三个通道信息，并且采用 L1/2正则项代替 L1正则项构建基于四元稀疏正则约束的彩色图像超分辨率字典学习及模型重建．同时在训练重建字典对中，为了更好地表征图像特征信息，采用去均值方法构造高低分辨率训练样本集；为了得到与低分辨率重建字典更匹配的高分辨率重建字典，采用字典分离训练方法分别生成高低分辨率重建字典．实验结果

  3. 所属分类：其它

  1. 基于块稀疏表示的行人重识别方法

  2. 针对非重叠视角下的行人重识别和高维特征提取等问题，提出基于块稀疏表示的行人重识别方法。采取典型相关分析( CCA) 方法进行特征投影变换，通过提高特征匹配能力来避免高维特征运算引起的维数灾难问题，并在 CCA 转换后的投影空间使投影后查询集行人特征向量与相应的数据集特征向量近似成线性关系; 利用行人数据集的块结构特征构建行人重识别模型，采用交替方向框架求解优化问题; 最后对查询集中要识别的行人采用残差项处理，并将最小残差项所对应的指标作为最终识别的行人记号。在公开数据集 PRID 2011、iL

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：896kb
    • 提供者：weixin_38713586

  1. 基于结构特征的路面裂纹病害检测算法

  2. 提出一种新颖的图像分解算法,用于复杂背景下的路面病害图像,可以获得较为清晰的裂纹病害信息。通过对含有局部线性特征的裂纹图像进行形态分析,建立与结构特征相匹配的基底,利用局部Ridgelet函数作为稀疏表示的基底,图像中的结构信息作为一种组成成分被提取出来,同时运用全变差正则化方法对提取的结构信息加以正则化约束,使得提取结果更加精细化。实验结果表明利用该算法提取的裂纹病害信息符合人眼的观测结果。

  3. 所属分类：其它

  1. x-deeplearning：高维稀疏数据的工业深度学习框架-源码

  2. 概述 X-DeepLearning（简称XDL）是面向高维稀疏数据场景（如广告/推荐/搜索等）的深度优化的一个集成解决方案。XDL1.2版本已于近期发布，主要特性包括： 针对大批量/低并发场景的性能优化：在此类场景下性能提升50-100％ 存储及通信优化：参数无需人工干预自动分配，请求合并，彻底消除ps的计算/存储/通信热点 完整的流式训练特性：包括特征准入，特征消除，模型增量导出，特征计数统计等 修复了几个1.0中的小bug 完整介绍请参考 1. XDL训练引擎 2. XDL算法解决方案 3.

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：227mb
    • 提供者：weixin_42157567

  1. 基于特征面片的复杂型面轮廓视觉测量方法

  2. 提出一种基于特征面片的复杂型面轮廓三维视觉测量方法。该方法包括多模式局部特征检测与匹配、特征面片集初始化、膨胀、滤波等重构过程，其输入是已标定的立体图像，输出是覆盖表面的可视稠密面片集。该方法不需要目标和场景的任何初始边界信息，能够自动检测和抛弃外部点和缺失部分；不需要对邻域特征进行任何平滑处理，仅需通过局部单演特征一致约束、立体极线约束和表面可视性约束来高效地匹配、膨胀和滤波稀疏表面点集，并生成密集表面点集。采用多项式曲面提取算法重建三维几何网格模型，采用子采样法将彩色、纹理等特征融合进三维几

  3. 所属分类：其它

  1. SuperGluePretrainedNetwork：SuperGlue：与图神经网络匹配的学习功能（CVPR 2020，口腔）-源码

  2. 研究 Magic Leap（CVPR 2020，口腔） SuperGlue推理和评估演示脚本 介绍 SuperGlue是在Magic Leap完成的2020 CVPR研究项目。 SuperGlue网络是一个图形神经网络，结合了最佳匹配层，该层经过训练可以对两组稀疏图像特征进行匹配。 此存储库包含PyTorch代码和预训练权重，用于在关键点和描述符之上运行SuperGlue匹配网络。 给定一对图像，您可以使用此存储库在整个图像对中提取匹配特征。 SuperGlue充当“中端”，在单个端到端体系结

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：114mb
    • 提供者：weixin_42131276

  1. 基于压缩感知与尺度不变特征变换的图像配准算法

  2. 尺度不变特征变换（SIFT）算法是图像配准中一种用来描述局部特征最稳健，使用最广泛的方法。针对存在关键点特征描述向量维数较高，算法计算复杂的问题，提出了一种基于稀疏随机投影(SRP)与SIFT相结合的图像配准算法，该算法把压缩感知理论的稀疏特征表示概念引入SIFT算法中，即SRP-SIFT，用稀疏特征表示方法对SIFT关键点特征向量进行提取，再使用相应的L1距离度量进行特征向量的匹配。对新算法和相关SIFT算法进行了图像配准实验，实验结果表明，SRP-SIFT算法对包含复杂结构内容的图像配准性能

  3. 所属分类：其它

  1. S2DHM：稀疏到密集的超列匹配，用于长期的视觉定位-源码

  2. 稀疏到密集的超列匹配，用于长期的视觉定位 这是3DV 2019论文《的官方资料库。 我们介绍了一种新颖的特征点匹配方法，适用于长期场景中的稳健而准确的室外视觉定位。 所提出的解决方案在具有挑战性的类别（如昼夜或跨季节变化）中，可以在几个室外数据集上实现最新的准确性。 在使用此代码库的的视觉本地化挑战中，拟议的方法名列第二，在夜间和乡村环境中获得了最新的结果。 内在可视化，用于（从左到右）Superpoint稀疏到稀疏匹配，具有超列稀疏到稀疏匹配的Superpoint检测以及稀疏到密集的超列

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：163mb
    • 提供者：weixin_42131352

  1. 基于核稀疏表示和AdaBoost算法的自然场景识别

  2. 为了提升自然场景图像的识别精度，结合bag-of-visual word模型，提出了一种基于核稀疏表示的图像识别方法。该方法的图像描述部分主要利用核稀疏表示在高维度空间进行图像特征的匹配表示，识别部分采用AdaBoost分类器，对各个类别编码并在对应的核矩阵上进行划分，从而实现多类场景图像的识别能力。实验结果表明，该方法有效的提升了图像描述的准确度与对自然场景图像识别的精度。

  3. 所属分类：其它

  1. D3Feat.pytorch：[PyTorch] CVPR'20口头论文的实现-D3Feat：密集检测的联合学习和3D局部特征的描述https：arxiv.orgabs2003.03164-源码

  2. D3Feat存储库 CVPR'2020口头论文PyTorch实施，由白旭阳，罗自新，周雷，傅洪波，龙泉和太极郎撰写。 Tensorflow也提供 。 本文重点关注联合特征的3D点云密集特征检测和描述。 如果您发现此项目有用，请引用： article{bai2020d3feat, title={D3Feat: Joint Learning of Dense Detection and Descr iption of 3D Local Features}, author={Xuyang

  3. 所属分类：其它

  1. 粒子群优化的稀疏分解在雷达目标识别中的应用

  2. 基于稀疏分解的方法把雷达高分辨距离像（HRRP）表示在一个超完备Gabor时频字典上，进而提取字典原子的特征参数作为特征向量进行识别；针对匹配追踪算法计算量大的问题，利用粒子群算法搜索能力强收敛速度快的优点对OMP算法进行改进。通过对雷达高分辨距离像（HRRP）的识别实验表明，采用Gabor原子提取的特征参数作为特征向量对雷达目标的分类效果比较好，同时，基于粒子群算法改进的OMP大大降低了参数寻优的计算量。

  3. 所属分类：其它

« 12 3 »