首页
资源下载
云计算
人工智能
信息化管理
前端
区块链
后端
大数据
存储
安全技术
开发技术
操作系统
数据库
服务器应用
游戏开发
物联网
硬件开发
移动开发
网络技术
考试认证
行业
行业研究
课程资源
跨平台
音视频
登录
注册
当前位置:
主页
>
资源下载
>
49
> 利用SIFT特征和SVM进行场景分类
利用SIFT特征和SVM进行场景分类
更新:
2024-07-31 18:42:08
大小:
5.03MB
推荐:
★★★★★
来源:
网友上传分享
类别:
专业指导 - 课程资源
格式:
NH
反馈 / 投诉
文件下载
资源介绍
SIFT作为场景图像的局部特征能够较好的表征和区分不同的场景。对于类别间距较大的样本,SVM能够很好的分类.
上一篇:
图像匹配:尺度不变特征变换匹配sift算法
下一篇:
论文研究-新型优化SIFT的图像快速配准方法研究.pdf
相关推荐
12-02
利用Opencv3.0进行手写数字识别,采用Hog特征并结合SVM分类器
12-02
使用VS2013和OPENCV2.4.10版本,进行HOG特征提取,并采用SVM进行多分类手势识别
12-02
利用SIFT特征和SVM进行场景分类
12-02
采用NB和SVM机器学习算法进行特征选择与极性分类的研究论文
12-02
利用支持向量机(SVM)进行文本分类,并探讨特征选择对这一分类效果的影响
12-02
在模式识别中,利用 MATLAB 进行特征选择和检验代码以实现分类器功能
12-02
使用Python语言,通过LBP算法提取特征向量,并利用SVM算法训练模型和进行识别分类的整套可直接运行文件
12-02
用Python语言编写程序,该程序调用HOG算法提取特征向量,并利用SVM算法进行训练和分类