機(jī)器學(xué)習(xí)技術(shù)已被廣泛接受，并且很適合此類分類問題。基于卷積神經(jīng)網(wǎng)絡(luò)的雙重特征提取方法。提出的模型使用Radon拉冬變換進(jìn)行第一次特征提取，然后將此特征輸入卷積層進(jìn)行第二次特征提取。
2023-10-16 11:30:38
381 
Intelligent Vehicles Applications1. 介紹2. HOOFR-SLAM2.1 系統(tǒng)框架2.2 HOOFR特征提取2.3 映射線程2.3.1 特征匹配1. 介紹提出一種HOOFR-...
2021-12-21 06:35:49
MATLAB中對音頻信號進(jìn)行小波分解和短時傅里葉分析后怎么對信號頻譜圖中能量密度特征用數(shù)學(xué)形態(tài)學(xué)的方法進(jìn)行形態(tài)特征提取？
2020-10-12 18:21:04
電路故障診斷的不確定性。實(shí)驗(yàn)結(jié)果表明,該故障診斷方法可準(zhǔn)確地檢測出模擬電路中的故障現(xiàn)象。【關(guān)鍵詞】：分形維;;模擬電路;;特征提取;;故障診斷;;信息融合;;神經(jīng)網(wǎng)絡(luò)【DOI】：CNKI:SUN
2010-05-06 08:57:26
我先大體說一下需要做什么：1、調(diào)用pc攝像頭實(shí)時采集火焰視頻；2、對火焰視頻按幀提取圖像；3、對提取的圖像進(jìn)行特征提取（目前主要考慮顏色特征、面積增長特征、頻率閃動特征）；4、判斷是否是火災(zāi)，若是
2014-05-09 11:19:56
基于matlab的人臉檢測K-L的人臉識別（膚色分割和特征提取）[hide] [/hide]《labview人臉識別》課程鏈接：http://url.elecfans.com/u/bc0e010da8
2012-02-22 16:45:03
音頻特征提取在音頻信號分析和處理中起著非常重要的作用。考慮到音頻信號的非平穩(wěn)性，對音頻信號進(jìn)行小波包分解，為了獲取健壯的特征，采用改進(jìn)的局域判別基（LDB）技術(shù)對小波包樹進(jìn)行裁剪，提取局域差別基各子
2011-03-04 20:46:21
人臉檢測是指對于給定的圖像或視頻，判斷其中是否存在人臉，如果存在，則進(jìn)一步確定人臉的個數(shù)、具體位置以及大小的過程。作為一個模式識別問題，人臉檢驗(yàn)包含兩個方面的內(nèi)容，一是特征提取，二是分類方法
2019-09-02 07:49:09
的兩維處理方法，并用于三種數(shù)字信號的特征分析。最后詳細(xì)介紹了基于聯(lián)合頻率分析的特征提取及識別過程，給出了仿真測試結(jié)果。
2021-04-21 06:17:47
雷達(dá)系統(tǒng)，研究了葉簇穿透人體微多普勒特征提取和跟蹤技術(shù)。目前對于人體微多普勒信號仿真的研究幾乎都是基于單站雷達(dá)，雙站雷達(dá)人體微多普勒大小不僅與人體運(yùn)動方向有關(guān)，還與雙站角大小有關(guān)，雙站雷達(dá)散射截面
2021-12-20 15:49:31
計(jì)算機(jī)視覺的特征提取算法研究至關(guān)重要。在一些算法中，一個高復(fù)雜度特征的提取可能能夠解決問題（進(jìn)行目標(biāo)檢測等目的），但這將以處理更多數(shù)據(jù)，需要更高的處理效果為代價。而顏色特征無需進(jìn)行大量計(jì)算。只需將數(shù)字圖像中的像素值進(jìn)行相應(yīng)轉(zhuǎn)換，表現(xiàn)為數(shù)值即可。因此顏色特征以其低復(fù)雜度成為了一個較好的特征。
2019-10-12 06:55:23
`如何將脈沖耦合神經(jīng)網(wǎng)絡(luò)，體視學(xué)，F(xiàn)ourier變換，小數(shù)冪指數(shù)濾波器結(jié)合實(shí)現(xiàn)藥材顯微圖像的特征提取？`
2015-04-16 12:25:45
圖像處理，手指靜脈圖像的特征提取和識別前期研究
2012-05-11 11:51:27
"特點(diǎn)的基礎(chǔ)上,先將手背靜脈圖像"分塊",再對分塊后的圖像進(jìn)行FRAT變換,并提出一種向量非均衡分布可得最大值的方法,提取手背靜脈圖像紋理特征,最后通過特征匹配進(jìn)行分類識別
2010-04-24 09:58:17
有大神嗎？可以分享一個LabVIEW指紋特征提取的資料嗎？感激不盡。
2017-04-19 07:31:13
析所具有的時頻局部化特性、良好的去噪能力，無需系統(tǒng)模型結(jié)構(gòu)的優(yōu)勢使之成為分析和處理此類信號的有效工具，也是目前在模擬電路故障診斷領(lǐng)域使用最多的一種特征提取方法，對模擬電路中的軟、硬故障均適用。 小波分
2016-12-09 18:15:39
共線點(diǎn)之間的連續(xù)性和完整性,并在不同的尺度圖像中根據(jù)邊緣特征的特點(diǎn)選擇不同處理方法,來實(shí)現(xiàn)低分辨率條件下完整直線特征的粗略提取和高分辨率的精確定位。最后用高分辨率SAR圖像跑道檢測實(shí)驗(yàn)進(jìn)行了驗(yàn)證,并將
2010-05-06 09:04:04
計(jì)算信息特征(屬性)的權(quán)重問題在信息分類及模式匹配中是一個研究熱點(diǎn)。該文提出一種基于改進(jìn)ReliefF算法的主成分特征提取方法，利用此算法刪除原始特征中與分類不相關(guān)的特征
2009-04-15 10:06:26
7 在現(xiàn)有基于已知特征項(xiàng)特征提取算法的基礎(chǔ)上，提出一種基于已知特征項(xiàng)和環(huán)境相關(guān)量的特征提取算法。該算法通過已知特征項(xiàng)搜索頻繁項(xiàng)集，提高了特征提取速度。環(huán)境相關(guān)量的
2009-04-18 09:37:0117 提出了一種新的人臉特征提取方法，該方法采用DCT對人臉圖像進(jìn)行降維和去噪，并通過KDA提取人臉特征。基于該特征，采用NN分類器，對ORL人臉庫進(jìn)行分類識別，僅用28個特征平均
2009-05-25 22:04:1015 人臉識別是模式識別和機(jī)器視覺領(lǐng)域中的一個重要課題，其中，特征提取是人臉識別中的一個重要部分。本文利用邊緣檢測、積分投影及模板匹配等相結(jié)合的方法，比較準(zhǔn)確的
2009-06-04 08:49:0431 提出在Gabor 濾波理論的基礎(chǔ)上，結(jié)合Fisher 線性判別方法，對手寫數(shù)字圖像的所有特征點(diǎn)尋找局部最優(yōu)濾波頻率和濾波方向，從而提取最優(yōu)Gabor 特征的方法。對MNIST 手寫體數(shù)據(jù)庫的
2009-06-06 14:15:0912 詳細(xì)介紹了基于KPCA入侵檢測系統(tǒng)特征提取的工作原理，并在MATLAB環(huán)境下利用KDDCUP99數(shù)據(jù)集進(jìn)行了基于KPCA特征提取的仿真實(shí)驗(yàn)，結(jié)果表明KPCA能對樣本能進(jìn)行很好的降維，并可保持
2009-09-23 11:36:4816 SISAR功率譜特征提取方法:文主要研究了對SISAR全息信號功率譜歸一化處理獲得識別特征的方法。通過分析側(cè)影成像全息信號和目標(biāo)側(cè)影雷達(dá)截面積的關(guān)系，導(dǎo)出由計(jì)算雷達(dá)截面積的方
2009-10-23 10:26:2112 基于廣義典型相關(guān)分析的仿射不變特征提取方法:該文結(jié)合廣義典型相關(guān)分析(GCCA)理論，提出了一種新的圖像仿射不變特征提取方法。首先，基于多尺度自卷積變換(MSA)構(gòu)造了一組新
2009-10-29 12:52:5317 該文基于合成孔徑雷達(dá)(SAR)圖像低信噪比的特點(diǎn)，設(shè)計(jì)了一種基于融合邊緣檢測的線性特征提取算法。首先采用融合Canny算子及ROA算子得到邊緣點(diǎn)，然后利用Radon變換得出線基元，最
2009-11-17 15:20:5419 該文提出了一種基于小波域非負(fù)矩陣分解特征提取的合成孔徑雷達(dá)圖像目標(biāo)識別方法。該方法對圖像二維離散小波分解后提取低頻子帶圖像，用非負(fù)矩陣分解對低頻子帶圖像提取特
2009-11-21 11:58:4821 特征提取是模式識別中的關(guān)鍵技術(shù)之一，本文提出了一種基于改進(jìn)ReliefF 算法的主成分特征提取方法，通過該方法進(jìn)行主特征特征提取可以有效降維，大大減輕了后續(xù)的分類器的
2009-12-12 13:47:4527 快速人臉檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn):為了快速而準(zhǔn)確地在復(fù)雜背景的灰度或彩色圖像中檢測人臉,對實(shí)時人臉檢測方法做了一些擴(kuò)展并根據(jù)該方法設(shè)計(jì)實(shí)現(xiàn)了一個快速人臉檢測系統(tǒng),系統(tǒng)
2010-01-02 14:20:2120 本文結(jié)合核方法、主元分析(PCA)和線性判別分析(LDA)等機(jī)器學(xué)習(xí)方法，提出了一種特征提取的KPL 方法。本文提出的KPL 方法，能夠保持?jǐn)?shù)據(jù)集的非線性關(guān)系和最優(yōu)分類方向。使用MIT-
2010-01-27 14:02:5118 本文介紹了如何應(yīng)用提升小波包變換對信號進(jìn)行特征提取,并在此基礎(chǔ)上提出了四條定量的評價標(biāo)準(zhǔn),能夠全面地對此類特征提取方法的有效性進(jìn)行評價。通過這四個標(biāo)準(zhǔn),就能更科
2010-02-22 15:34:3317 非線性PCA在表面肌電信號特征提取中的應(yīng)用
針對表面肌電信號的特點(diǎn),提出了一種應(yīng)用非線性主分量分析( PCA) 提取表面肌電信號特征的新方法. 該方法在表面肌
2010-02-26 17:08:2617
特征提取是聲目標(biāo)識別的關(guān)鍵。由于車輛噪聲信號的非平穩(wěn)特性，傳統(tǒng)特征提取方法有很大局限性。介紹小波分析方法在車輛噪聲信號特征提取中的應(yīng)用，仿真結(jié)果證
2010-12-31 17:16:280 摘要：針對常規(guī)特征提取方法存在著問題不足，提出了基于BP神經(jīng)網(wǎng)絡(luò)和基于互信息熵的特征提取方法，并通過特征提取實(shí)例加以說明。結(jié)果表明這兩種方法是可行和有效的。
2006-03-11 13:14:211276 
摘要：提出了一種基于小波和熵提取圖像字符特征的方法。該方法利用小波變換對圖像字符進(jìn)行多尺度分解，用marr零交叉邊緣檢測算子提取邊緣；用基于判別熵最小化提取每
2006-03-24 13:30:02669 
小波變換在過零調(diào)制信號特征提取中的應(yīng)用
介紹小波變換理論和算法，說明去除信號噪聲原理；給出了以db2為小波函數(shù)和選用閾值方法去噪的
2009-10-12 23:47:451446 
特征提取是目標(biāo)識別的關(guān)鍵，如何從有限的測量數(shù)據(jù)中獲取有效、可靠的特征參數(shù)，是特征提取中重點(diǎn)考慮的問題。本文采用EMD方法對語音信號進(jìn)行頻率特征提取，可以較好地降低語音
2011-10-10 15:11:4241 文中主要介紹了基于分形維數(shù)提取法、小波提取法、Gabor濾波器提取法、灰度共生矩陣提取法等紋理特征提取的原理和步驟等,并對各個方法的優(yōu)、缺點(diǎn)進(jìn)行了歸納總結(jié)。
2012-02-22 11:11:2610 針對傳統(tǒng)漢字字符特征提取方法的不足，提出了一種基于Gabor變換，對圖像紋理特征的方向性敏感的字符特征提取方法。先將灰度字體圖像進(jìn)行二值化、歸一化處理，再利用Gabor濾波器進(jìn)
2012-08-29 17:10:020 研究了基于小波分析的車牌圖像定位、分割、大小歸一化方法，并分析了奇異值分解算法的數(shù)學(xué)原理和算法。利用奇異值分解作為代數(shù)特征提取方法，獲得圖像的有效特征描述。以Mat
2012-10-17 11:08:0128 針對人臉識別中的特征提取問題，提出一種新的基于Gabor的特征提取算法，利用Gabor小波變換良好的提取區(qū)分能力和LDA所具有的判別性優(yōu)勢來進(jìn)行特征提取。首先利用Gabor小波變換來提取人臉特征
2013-01-22 14:25:2654 使用工業(yè)級熱特征提取方法提高大功率半導(dǎo)體的測試與故障診斷速度
2016-01-06 14:50:210 基于ADSP2191的音頻信號處理與特征提取系統(tǒng).
2016-01-22 14:03:4017 使用工業(yè)級熱特征提取方法提高大功率半導(dǎo)體的測試與故障診斷速度
2016-05-24 17:12:500 特征從高維特征空間壓縮到低維特征空間，并提取有效故障特征以提高故障診斷率就成了一個重要的課題。本文將簡要介紹部分模擬電路故障診斷中使用的特征提取方法的原理步驟及其優(yōu)缺點(diǎn)，為進(jìn)一步的研究打下基礎(chǔ)。
2016-11-28 17:24:264438 脈沖多普勒雷達(dá)特征提取技術(shù)分析，下來看看，
2016-12-24 23:19:109 基于小波包_包絡(luò)樣本熵的故障特征提取方法及其應(yīng)用_李其龍
2016-12-30 14:37:070 基于最優(yōu)Morlet小波自適應(yīng)包絡(luò)解調(diào)的弱故障特征提取方法_侯新國
2017-01-07 18:21:311 基于加權(quán)多尺度張量子空間的人臉圖像特征提取方法_王仕民
2017-01-08 10:57:061 基于多尺度融合的甲狀腺結(jié)節(jié)圖像特征提取_王昊
2017-01-08 11:13:290 基于CMF_EEMD的風(fēng)電齒輪箱多故障特征提取_王志堅(jiān)
2017-01-08 13:26:490 基于粒計(jì)算的空間特征提取及其檢索的研究_宋俊雅
2017-03-16 08:00:000 基于線性預(yù)測原理的艙音特征提取與重構(gòu)_程道來
2017-03-15 08:00:000 紅外火焰探測信號的特征提取研究_周永杰
2017-03-19 11:41:392 時頻分析的工頻通信信號特征提取
2017-08-31 10:00:2811 紋理是表征圖像的一個重要特征，它廣泛存在于各類圖像中。紋理圖像的分類在圖像處理、計(jì)算機(jī)視覺和模式識別中有著極其重要的作用。紋理分類的一個重要研究內(nèi)容是紋理特征的提取，期望所提取的特征能有效地刻畫紋理
2017-11-02 17:19:382 計(jì)算機(jī)視覺的特征提取算法研究至關(guān)重要。在一些算法中，一個高復(fù)雜度特征的提取可能能夠解決問題（進(jìn)行目標(biāo)檢測等目的），但這將以處理更多數(shù)據(jù)，需要更高的處理效果為代價。而顏色特征無需進(jìn)行大量計(jì)算。只需將數(shù)字圖像中的像素值進(jìn)行相應(yīng)轉(zhuǎn)換，表現(xiàn)為數(shù)值即可。因此顏色特征以其低復(fù)雜度成為了一個較好的特征。
2017-11-16 14:12:124191 在三維立體視覺中，工件表面的特征提取是三維重構(gòu)的前提和關(guān)鍵。但是，工件表面的自然特征往往表現(xiàn)得不夠明顯，使得特征的提取非常困難。因此，經(jīng)常使用激光網(wǎng)格投影到待檢測的工件表面，使工件表面具備確定
2017-11-17 17:26:003 人臉檢測是一個非常復(fù)雜的模式，人臉面部特征提取及識別成為當(dāng)前計(jì)算機(jī)圖像處理相關(guān)學(xué)科的一個極具挑戰(zhàn)的課題。而基于Carvelet變換的人臉特征提取及識別的意義在于Curvelet繼承了小波分析優(yōu)良
2017-11-30 15:09:363491 
的SIFT特征提取算法。首先提取出SIFT特征點(diǎn)，然后根據(jù)特征點(diǎn)周邊梯度情況，判斷特征點(diǎn)是否落于目標(biāo)區(qū)域，進(jìn)而保留目標(biāo)區(qū)域特征點(diǎn)，刪除背景區(qū)域特征點(diǎn)，減少特征點(diǎn)數(shù)量的同時也實(shí)現(xiàn)了去冗余。提取所得的特征點(diǎn)質(zhì)量好壞由落入目標(biāo)區(qū)域的點(diǎn)數(shù)和
2017-12-01 15:08:380 的細(xì)節(jié)分量有高度的局部相關(guān)性 ，這為特征提取提供了有力的條件。利用小波變換進(jìn)行紋理特征提取 ，在紋理分析、圖像壓縮、工業(yè)品表面缺陷檢測中得到大量的應(yīng)用。
2017-12-01 14:47:5211813 
針對復(fù)雜場景中視頻序列目標(biāo)運(yùn)動特征提取困難的問題，借鑒生物視覺系統(tǒng)對視頻動態(tài)目標(biāo)的運(yùn)動感知機(jī)制，改進(jìn)初級視皮層（VI）細(xì)胞模型，提出一種基于生物視皮層機(jī)制的視頻運(yùn)動特征提取方法。采用
2017-12-18 10:32:301 針對說話人識別系統(tǒng)中存在的有效語音特征提取以及噪聲影V向的問題，提出了一種新的語音特征提取方法基于S變換的美爾倒譜系數(shù)（ SMFCC）。該方法是在傳統(tǒng)美爾倒譜系數(shù)（MFCC）的基礎(chǔ)上利用S變換的二維
2017-12-18 11:29:041 ；然后，基于預(yù)設(shè)大小窗口對所獲取的深度圖進(jìn)行邊緣檢測和梯度計(jì)算，獲得區(qū)域形狀直方圖特征并量化；同時運(yùn)用主成分分析（PCA）進(jìn)行降維；最后，為實(shí)現(xiàn)特征獲取的精確性和完整性，采用滑動窗口檢測方法實(shí)現(xiàn)整幅深度圖的特征提取，并再
2017-12-26 14:32:070 針對現(xiàn)有行為特征提取方法識別率低的問題，提出了一種融合稠密光流軌跡和稀疏編碼框架的無監(jiān)督行為特征提取方法（ DOF-SC）。首先，在稠密光流（DOF）軌跡提取的基礎(chǔ)上，對以軌跡為中心的原始圖像塊進(jìn)行
2017-12-26 18:48:520 針對基于紋理信息的行人特征提取算法中存在特征信息冗余度大，無法刻畫人眼視覺敏感性的不足，提出一種融合人類視覺感知特性的基于顯著性局部二值模式（ SF-LBP）的行人紋理特征提取算法。該算法首先
2017-12-29 15:06:580 捕獲問題，并對其特征參數(shù)提取算法進(jìn)行了研究。針對跳頻信號的特征提取，研究了一種基于小波脊線的特征提取算法，通過matlab仿真實(shí)驗(yàn)對方法的性能進(jìn)行了驗(yàn)證，實(shí)驗(yàn)表明基于小波脊線的特征提取算法有很大的性能優(yōu)勢，進(jìn)一步提
2018-01-04 14:04:490 針對人體動作識別中時空特征提取問題，提出一種基于層次時間記憶（ HTM）架構(gòu)的深度學(xué)習(xí)模型，用來提取圖像幀的時空特征。將圖像幀構(gòu)建成樹型節(jié)點(diǎn)層次結(jié)構(gòu)，在每一層中，通過歐氏距離分組來提取圖像樣本的空間
2018-01-17 17:27:250 ．為此，提出了一種改進(jìn)的檢測方法，它在分析和提取異常突變特征的基礎(chǔ)上，對異常突變的局部流量進(jìn)行了二次頻譜分析，提取了攻擊的周期特征，從而提高了檢測的精確度．模擬實(shí)驗(yàn)及對比分析結(jié)果表明，該檢測方法的檢測精度高，其誤報(bào)率
2018-01-18 11:35:270 的特征提取不僅可以更好地刻畫三維模型特征，并且其在模型重建、點(diǎn)云分割、對稱性檢測以及點(diǎn)云配準(zhǔn)等。方面起到一定的作用。特征提取主要包括對點(diǎn)、線及面的提取，目前主要有2種方法：1）從三維網(wǎng)格化后的點(diǎn)云數(shù)據(jù)中提取特征；
2018-01-30 16:35:070 斑馬線識別方法的研究對車載和導(dǎo)盲系統(tǒng)具有極其重要的作用，為了解決目前識別斑馬線的方法精確度低、所需時間長等問題，本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)與人工特征提取相結(jié)合的快速識別斑馬線方法，卷積神經(jīng)網(wǎng)絡(luò)
2018-02-24 15:52:136 。基于小波域相子方法對電壓暫降的幅值和相角特征進(jìn)行了有效提取。通過小波域相子的幅值和相位信息構(gòu)造出電壓暫降成因辨識特征指標(biāo)。最后采用支持向量機(jī)（SVM）方法進(jìn)行了電壓暫降成因的辨識。結(jié)果表明，所提方法可以有效實(shí)現(xiàn)電壓暫降的
2018-03-01 14:39:450 針對液壓泵故障特征提取問題，提出了一種基于奇異值分解和小波包變換的液壓泵振動信號特征提取方法。通過奇異值分解將噪聲非均勻分布的液壓泵振動信號正交分解為噪聲分布相對均勻的分量，對各分量進(jìn)行小波包閾值
2018-03-05 14:07:530 針對電影評分中特征提取效率較低的問題，提出了與QR分解相結(jié)合的Nystrom方法。首先，利用自適應(yīng)方法進(jìn)行采樣，然后對內(nèi)部矩陣進(jìn)行QR分解，將分解后的矩陣與內(nèi)部矩陣進(jìn)行重新組合并進(jìn)行特征分解
2019-01-04 09:36:191 本文檔的主要內(nèi)容詳細(xì)介紹的是圖像邊緣檢測和特征提取實(shí)驗(yàn)報(bào)告的詳細(xì)資料說明目的包括了：1.了解圖像邊緣檢測的原理。自己實(shí)現(xiàn)邊緣檢測算法，對特定的幾幅圖像進(jìn)行邊緣檢測，并達(dá)到較好的效果。2.了解特征提取的原理，并對圖像中存在的一些特征進(jìn)行特征提取。
2019-04-19 08:00:002 本文檔的主要內(nèi)容詳細(xì)介紹的是基于Labview的語音模式識別MFCC原理特征提取。
2020-01-09 08:00:0038 本文主要闡述了語音識別算法及語音識別特征提取方法。
2020-04-01 09:24:4929659 
是DimensionalityReduction（降維）的兩種方法，針對于the curse of dimensionality(維災(zāi)難)，都可以達(dá)到降維的目的。但是這兩個有所不同。 特征提取（Feature Extraction
2020-09-14 16:23:203732 
導(dǎo)讀鑒于顯著性目標(biāo)和偽裝目標(biāo)研究的相似性，本文作者將顯著性目標(biāo)與偽裝目標(biāo)合在一起進(jìn)行研究，文章重點(diǎn)是特征提取網(wǎng)絡(luò)與特征融合技術(shù)，主要介紹了三種方法EGNet，PFANet和SINet。
2021-03-12 10:13:579586 
鐵路文本分類對于我國鐵路事業(yè)的發(fā)展具有重要的實(shí)用意義。現(xiàn)有的中文文本特征提取方法依賴于事先對文本的分詞處理，然而面向鐵路文本數(shù)據(jù)進(jìn)行分詞的準(zhǔn)確率不髙，導(dǎo)致鐵路文本的特征提取存在語乂理解不充分、特征
2021-04-08 14:19:5910 詞集間相互關(guān)系的平均一階依賴貝葉斯模型（AODE）分類器的分類方法對計(jì)算機(jī)漏洞描述信息進(jìn)行文本分類。首先，利用S-C特征提取法提取特征詞。通過結(jié)合詞語的類間重要程度和類內(nèi)重要程度的綜合函數(shù)C，計(jì)算出詞語對于類別的重要程度。再利用詞
2021-04-13 13:51:153 圖像特征 傳統(tǒng)的圖像特征提取（特征工程）主要是基于各種先驗(yàn)?zāi)Ｐ停ㄟ^提取圖像關(guān)鍵點(diǎn)、生成描述子特征數(shù)據(jù)、進(jìn)行數(shù)據(jù)匹配或者機(jī)器學(xué)習(xí)方法對特征數(shù)據(jù)二分類/多分類實(shí)現(xiàn)圖像的對象檢測與識別。卷積神經(jīng)網(wǎng)絡(luò)通過
2021-04-30 09:11:572363 
圖像特征 傳統(tǒng)的圖像特征提取（特征工程）主要是基于各種先驗(yàn)?zāi)Ｐ停ㄟ^提取圖像關(guān)鍵點(diǎn)、生成描述子特征數(shù)據(jù)、進(jìn)行數(shù)據(jù)匹配或者機(jī)器學(xué)習(xí)方法對特征數(shù)據(jù)二分類/多分類實(shí)現(xiàn)圖像的對象檢測與識別。卷積神經(jīng)網(wǎng)絡(luò)通過
2021-05-20 10:49:084374 
基于單標(biāo)記分類的降維及特征選擇方法難以直接運(yùn)用到多標(biāo)記學(xué)習(xí)中，而將多標(biāo)記學(xué)習(xí)問題獨(dú)立分解為多個單標(biāo)記學(xué)習(xí)問題再進(jìn)行降維會丟失標(biāo)記的相關(guān)性信息。為此，提出一種基于嵌入式特征提取的多標(biāo)記分類算法
2021-05-24 15:31:144 基于嵌入式特征提取的多標(biāo)記分類算法說明。
2021-06-04 10:18:407 速度。為解決上述問題，文中提出一種基于擴(kuò)展Har特征提取和 DBSCAN密度聚類的鋼軌識別算法。首先通過仿射變換、池化、灰度均衡仳、邊緣檢測等算法對圖像進(jìn)行預(yù)處理，然后基于擴(kuò)展Haar特征提取圖像中鋼軌的特征點(diǎn)，最后利用 DBSCAN算法對特
2021-06-16 15:03:495 基于中軸變換的改進(jìn)骨架特征提取方法
2021-06-27 15:38:1925 基于并行附加特征提取網(wǎng)絡(luò)的SSD地面小目標(biāo)檢測模型 來源：《電子學(xué)報(bào)》 ，作者李寶奇等 摘 要: 針對SSD原始附加特征提取網(wǎng)絡(luò)(Original Additional Feature
2022-02-17 16:41:251154 特征提取是計(jì)算機(jī)視覺中的一個重要主題。不論是SLAM、SFM、三維重建等重要應(yīng)用的底層都是建立在特征點(diǎn)跨圖像可靠地提取和匹配之上。特征提取是計(jì)算機(jī)視覺領(lǐng)域經(jīng)久不衰的研究熱點(diǎn)，總的來說，快速、準(zhǔn)確、魯棒的特征點(diǎn)提取是實(shí)現(xiàn)上層任務(wù)基本要求。
2022-07-11 10:28:142287 高光譜遙感技術(shù)具有能同時反映遙感對象空間特征和光譜特征等獨(dú)特優(yōu)勢,但這些優(yōu)勢也帶來了波段眾多 且相關(guān)性強(qiáng)、數(shù)據(jù)冗余度高、不利于進(jìn)一步處理與利用等問題。 通過降維可以減少數(shù)據(jù)中的冗余信息,提高處理效率, 而特征提取作為降維的一種重要方法,具有降維速度快等優(yōu)點(diǎn)。 因此,特征提取對高光譜圖像的利用有重要意義。
2022-09-26 13:53:003777 
的桿狀物提取方法，該方法在線運(yùn)行，計(jì)算量小。該方法直接對由3D 激光雷達(dá)掃描產(chǎn)生的Range圖像進(jìn)行計(jì)算，避免了對3D 點(diǎn)云的顯式處理，并能快速提取每次掃描的桿狀物。
2022-10-09 14:48:371034 最終用于分類的顯著性特征。如圖１所示，３個相鄰波段的高光譜影像顯著性特征提取主要包括超像素分割、對比度計(jì)算和顯著性分配3個步驟。 1、SLIC超像素分割 基于像素的視覺顯著性估計(jì)方法對噪聲較為敏感，而超像素以相對簡單的
2023-01-12 09:45:55929 
路面壓實(shí)度檢測方法的分析 1、灌砂法 1）破壞性的檢測方法 2）過程繁瑣、時間長 3）無法做到連續(xù)檢測 4）受人力因素影響大 5）完工后才能檢測 2、環(huán)刀法 1）破壞性的檢測方法 2）無法做到連續(xù)檢測 3）受材料密度影響大 4）完工后才
2023-07-18 17:50:04207 
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評論