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?;诰矸e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 
:基于人工精心設(shè)計(jì)的局部描述子進(jìn)行特征提取和子空間方法進(jìn)行特征選擇能夠取得最好的識(shí)別效果。Gabor及LBP特征描述子是迄今為止在人臉識(shí)別領(lǐng)域最為成功的兩種人工設(shè)計(jì)局部描述子。這期間,對(duì)各種人臉識(shí)別
2018-06-20 13:29:41
和測(cè)試集圖像的灰度相關(guān)性,而且要求測(cè)試圖像與訓(xùn)練集比較像,所以它有著很大的局限性?;贙L 變換的特征人臉識(shí)別方法基本原理: KL變換是圖象壓縮中的一種最優(yōu)正交變換,人們將它用于統(tǒng)計(jì)特征提取,從而形成
2018-05-04 17:25:52
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
`提供生物特征識(shí)別認(rèn)證能力,即基于人體固有的生理特征和行為特征來識(shí)別用戶身份,供第三方應(yīng)用調(diào)用,可應(yīng)用于設(shè)備解鎖、支付、應(yīng)用登錄等身份認(rèn)證場(chǎng)景。當(dāng)前生物特征識(shí)別能力提供2D人臉識(shí)別、3D人臉識(shí)別
2020-09-23 14:34:09
:4月30-5月2日24:00根據(jù)課程內(nèi)容學(xué)習(xí),自己完成一個(gè)LabVIEW人臉特征提取、錄入及識(shí)別系統(tǒng)設(shè)計(jì)第三步:5月3日 發(fā)放測(cè)試題作業(yè)第四步:5月4日24:00前提交作業(yè),達(dá)到80分以上即算合格即
2019-04-28 10:00:25
MATLAB中對(duì)音頻信號(hào)進(jìn)行小波分解和短時(shí)傅里葉分析后怎么對(duì)信號(hào)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
圖像的預(yù)處理、人臉圖像的分割與定位、人臉特征提取和人臉識(shí)別. 而人臉定位和特征提取比較重要 ,其中以基于人臉的幾何特征進(jìn)行識(shí)別比較簡(jiǎn)單易行 ,且識(shí)別率較高.在一組訓(xùn)練圖像中 ,得到幾個(gè)特征矢量矩陣
2015-09-10 18:29:33
什么是人臉識(shí)別技術(shù)人臉識(shí)別技術(shù)特點(diǎn)人臉識(shí)別技術(shù)流程人臉圖像預(yù)處理人臉識(shí)別三大關(guān)鍵技術(shù)人臉識(shí)別幾大特征基于KL 變換的特征人臉識(shí)別方法
2021-03-03 06:17:46
本文將HOG特征和PCANet網(wǎng)絡(luò)提取的特征進(jìn)行融合,不僅包含數(shù)據(jù)的淺層局部和數(shù)據(jù)分布信息,還包含深度判別性信息,在AR及Yale B人臉數(shù)據(jù)庫的實(shí)驗(yàn)結(jié)果驗(yàn)證了本文算法的有效性和魯棒性。但和典型
2020-11-25 06:17:21
,輸出多維特征。長(zhǎng)相相似的兩個(gè)人,經(jīng)過短時(shí)間的記憶,機(jī)器能比人類更迅速、更精準(zhǔn)地區(qū)分出二者面部在細(xì)節(jié)上的差別。機(jī)器在茫茫人海中找到一個(gè)人,知道你的身份信息其實(shí)只要通過3步:人臉預(yù)處理、特征提取、匹配識(shí)別
2018-05-24 19:36:47
最近剛剛學(xué)習(xí)MATLAB,作為初學(xué)者對(duì)于人臉檢測(cè)、人臉識(shí)別等不是很理解,關(guān)于人臉的輪廓提取還是有很多不明白的地方。
2020-02-16 22:05:12
基于matlab的人臉檢測(cè)K-L的人臉識(shí)別(膚色分割和特征提取)[hide] [/hide]《labview人臉識(shí)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(hào)分析和處理中起著非常重要的作用。考慮到音頻信號(hào)的非平穩(wěn)性,對(duì)音頻信號(hào)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(duì)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(cè)是指對(duì)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(gè)數(shù)、具體位置以及大小的過程。作為一個(gè)模式識(shí)別問題,人臉檢驗(yàn)包含兩個(gè)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(hào)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(shí)別過程,給出了仿真測(cè)試結(jié)果。
2021-04-21 06:17:47
`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
FaceLandmarker 以及人臉特征提取與比對(duì)模塊FaceRecognizer。除了三個(gè)核心模塊外,它還提供了兩個(gè)輔助模塊FaceTracker和QualityAssessor用于人臉跟蹤和質(zhì)量評(píng)估。下圖
2022-12-21 10:42:03
圖像處理,手指靜脈圖像的特征提取和識(shí)別前期研究
2012-05-11 11:51:27
Radon變換(FRAT);;手背靜脈;;特征提取算法【DOI】:CNKI:SUN:JLDX.0.2010-02-021【正文快照】:人體手背靜脈識(shí)別是一種新型的非接觸式紅外采集生物測(cè)定識(shí)別技術(shù),是對(duì)現(xiàn)有
2010-04-24 09:58:17
有大神嗎?可以分享一個(gè)LabVIEW指紋特征提取的資料嗎?感激不盡。
2017-04-19 07:31:13
非線性小波基代替非線性的sigmoid函數(shù),通過仿射變換建立小波變換與神經(jīng)網(wǎng)絡(luò)的連接,具有更強(qiáng)的逼近能力和收斂速度,不管是用于特征提取還是故障診斷都具有明顯的優(yōu)勢(shì)。緊致型小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示
2016-12-09 18:15:39
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 09:37:01
17 提出一種基于分塊離散余弦變換(DCT)與奇異值分解閾值壓縮(TCSVD)的人臉特征提取與識(shí)別算法。該算法對(duì)人臉圖像進(jìn)行分塊DCT變換,根據(jù)圖像塊位置和能量分布選擇不同的DCT高低頻分
2009-04-23 09:57:54
24 提出了一種新的人臉特征提取方法,該方法采用DCT對(duì)人臉圖像進(jìn)行降維和去噪,并通過KDA提取人臉特征?;谠?b class="flag-6" style="color: red">特征,采用NN分類器,對(duì)ORL人臉庫進(jìn)行分類識(shí)別,僅用28個(gè)特征平均
2009-05-25 22:04:10
15 人臉識(shí)別是模式識(shí)別和機(jī)器視覺領(lǐng)域中的一個(gè)重要課題,其中,特征提取是人臉識(shí)別中的一個(gè)重要部分。本文利用邊緣檢測(cè)、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 08:49:04
31 SISAR功率譜特征提取方法:文主要研究了對(duì)SISAR全息信號(hào)功率譜歸一化處理獲得識(shí)別特征的方法。通過分析側(cè)影成像全息信號(hào)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 10:26:21
12 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 12:52:53
17 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(cè)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 15:20:54
19 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(shí)別方法。該方法對(duì)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(duì)低頻子帶圖像提取特
2009-11-21 11:58:48
21 特征提取是模式識(shí)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 13:47:45
27 借助小波變換在時(shí)頻分析上的優(yōu)點(diǎn),提取地面運(yùn)動(dòng)目標(biāo)的回波信號(hào)特征在目標(biāo)識(shí)別中加以應(yīng)用。首先對(duì)目標(biāo)的回波信號(hào)進(jìn)行預(yù)處理,獲取目標(biāo)的瞬時(shí)多普勒頻率信號(hào),然后對(duì)該信
2009-12-18 16:51:36
9 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 14:02:51
18 本文介紹了如何應(yīng)用提升小波包變換對(duì)信號(hào)進(jìn)行特征提取,并在此基礎(chǔ)上提出了四條定量的評(píng)價(jià)標(biāo)準(zhǔn),能夠全面地對(duì)此類特征提取方法的有效性進(jìn)行評(píng)價(jià)。通過這四個(gè)標(biāo)準(zhǔn),就能更科
2010-02-22 15:34:33
17 人臉識(shí)別技術(shù)是模式識(shí)別和機(jī)器視覺領(lǐng)域的一個(gè)重要研究方向,基于子空間分析的特征提取方法是人臉識(shí)別中特征提取的主流方法之一。本文對(duì)目前應(yīng)用較多的子空間分析方法進(jìn)
2010-08-11 14:04:09
0
特征提取是聲目標(biāo)識(shí)別的關(guān)鍵。由于車輛噪聲信號(hào)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(hào)特征提取中的應(yīng)用,仿真結(jié)果證
2010-12-31 17:16:28
0 摘要:針對(duì)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 13:14:21
1276 
小波變換在過零調(diào)制信號(hào)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(hào)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 23:47:45
1446 
2D人臉識(shí)別技術(shù)雖已成熟,但由于單一的2D圖像不能提供識(shí)別所需的完整信息,故其識(shí)別精度很難進(jìn)一步提高。在人臉識(shí)別過程中,特征提取是影響識(shí)別效果的一個(gè)重要環(huán)節(jié),在分析了傳
2011-09-08 17:15:00
1749 
特征提取是目標(biāo)識(shí)別的關(guān)鍵,如何從有限的測(cè)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(duì)語音信號(hào)進(jìn)行頻率特征提取,可以較好地降低語音
2011-10-10 15:11:42
41 在深入的對(duì)頻譜臉法和Fisherface方法進(jìn)行研究后,綜合這兩種方法的優(yōu)點(diǎn),提出了一種基于頻譜臉和Fisherface的
人臉識(shí)別新方法。頻譜臉方法主要是采用二維小波
變換和傅立葉
變換。因?yàn)?/div>
2012-02-08 11:35:54
37 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(duì)各個(gè)方法的優(yōu)、缺點(diǎn)進(jìn)行了歸納總結(jié)。
2012-02-22 11:11:26
10 為了使計(jì)算機(jī)能更好的識(shí)別人臉表情,對(duì)基于Gabor小波變換的人臉表情識(shí)別方法進(jìn)行了研究。首先對(duì)包含表情區(qū)域的靜態(tài)灰度圖像進(jìn)行預(yù)處理,包括對(duì)確定的人臉表情區(qū)域進(jìn)行尺寸和灰
2012-02-29 14:46:47
39 基于Curvelet變換對(duì)于圖像的光譜信息保留和分形原理,針對(duì)圖像的紋理信息提取的特性,提出了一種基于Curvelet變換與改進(jìn)的分形布朗運(yùn)動(dòng)分維數(shù)計(jì)算的新的融合方法。對(duì)于......
2012-05-25 13:30:58
26 針對(duì)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(duì)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 17:10:02
0 針對(duì)人臉識(shí)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(shì)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 14:25:26
54 故障特征提取是模擬電路故障診斷的關(guān)鍵,而模擬電路由于故障模型復(fù)雜、元件參數(shù)的容差、非線性、噪聲以及大規(guī)模集成化等現(xiàn)象使電路故障信息表現(xiàn)為多特征、高噪聲、非線性的數(shù)據(jù)集,且受到特征信號(hào)觀測(cè)手段、征兆
2016-11-28 17:24:26
4438 脈沖多普勒雷達(dá)特征提取技術(shù)分析,下來看看,
2016-12-24 23:19:10
9 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 14:37:07
0 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 10:57:06
1 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 11:13:29
0 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 13:26:49
0 峭度濾波器用于電機(jī)軸承早期故障特征提取_安國(guó)慶
2017-01-07 15:17:12
0 人臉特征的定位和提取
2017-02-08 00:38:03
17 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 08:00:00
0 基于線性預(yù)測(cè)原理的艙音特征提取與重構(gòu)_程道來
2017-03-15 08:00:00
0 紅外火焰探測(cè)信號(hào)的特征提取研究_周永杰
2017-03-19 11:41:39
2 時(shí)頻分析的工頻通信信號(hào)特征提取
2017-08-31 10:00:28
11 自計(jì)算機(jī)視覺產(chǎn)生開始,視覺信息則自動(dòng)成為其處理的對(duì)象。紋理特征作為視覺信息的重要部分,成為圖像特征提取的重點(diǎn)。針對(duì)紋理特征提取中,傳統(tǒng)LBP算法作為一種基于灰度的算法,僅僅局限對(duì)低分辨率圖片
2017-11-10 14:35:22
11 需求。在表情識(shí)別技術(shù)中,如何提取和選擇有效的人臉描述特征是研究的關(guān)鍵內(nèi)容。表情識(shí)別主要南人臉表情識(shí)別的特征提取和稀疏表示分類器的選擇兩個(gè)部分組成。 特征提取在人臉表情識(shí)別中有著相當(dāng)重要的作用,提取出來的特征
2017-11-14 15:16:08
6 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(gè)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(cè)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(jià)。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(gè)較好的特征。
2017-11-16 14:12:12
4191 的可識(shí)別特征。針對(duì)激光網(wǎng)格標(biāo)記圖像的特點(diǎn),在隨機(jī)抽樣一致性RANSAC算法的基礎(chǔ)上,提出了像素權(quán)重化和假設(shè)模型預(yù)檢驗(yàn)的方法,用于激光網(wǎng)格標(biāo)記的直線特征提取。實(shí)驗(yàn)結(jié)果表明,該方法不僅克服了RANSAC算法計(jì)算量大和參數(shù)敏感的缺點(diǎn)
2017-11-17 17:26:00
3 。首先將圖像劃分成塊,然后計(jì)算多項(xiàng)式系數(shù),得到友陣用于特征提取。基于兩張不同圖像的多項(xiàng)式系數(shù)友陣來計(jì)算對(duì)稱陣。最后通過計(jì)算對(duì)稱陣的零空間的零化度識(shí)別相似的人臉圖像。為驗(yàn)證提出方法的有效性,在ORL、Yale和FERET人
2017-11-21 09:27:11
2 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(cè)中得到大量的應(yīng)用。
2017-12-01 14:47:52
11813 
特征表示是人臉識(shí)別的關(guān)鍵問題,由于人臉圖像在拍攝過程中受光照、遮擋、姿勢(shì)等因素的影響,如何提取魯棒的圖像特征成了研究的重點(diǎn)。受卷積網(wǎng)絡(luò)框架的啟發(fā),結(jié)合K-means算法在卷積濾波器學(xué)習(xí)中所具有的效果
2017-12-06 15:54:37
0 針對(duì)說話人識(shí)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 11:29:04
1 針對(duì)三維場(chǎng)景物體特征識(shí)別過程中數(shù)據(jù)量大、算法復(fù)雜等問題,提出一種基于Kinect的環(huán)境平面特征提取與重構(gòu)算法。首先,針對(duì)場(chǎng)景的點(diǎn)云分割,采用融合場(chǎng)景幾何信息和顏色信息的隨機(jī)采樣一致性( RANSAC
2017-12-19 10:41:43
1 針對(duì)現(xiàn)有行為特征提取方法識(shí)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(duì)以軌跡為中心的原始圖像塊進(jìn)行
2017-12-26 18:48:52
0 捕獲問題,并對(duì)其特征參數(shù)提取算法進(jìn)行了研究。針對(duì)跳頻信號(hào)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(duì)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(shì),進(jìn)一步提
2018-01-04 14:04:49
0 針對(duì)人體動(dòng)作識(shí)別中時(shí)空特征提取問題,提出一種基于層次時(shí)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(shí)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 17:27:25
0 針對(duì)傳統(tǒng)剩余電流保護(hù)裝置只能監(jiān)測(cè)到總泄漏電流信號(hào)大小,但不能根據(jù)監(jiān)測(cè)到的總泄漏電流信號(hào)自動(dòng)分類和識(shí)別觸電類型,提出了一種基于統(tǒng)計(jì)特征參數(shù)與支持向量機(jī)的觸電信號(hào)暫態(tài)特征提取及故障類型識(shí)別的新方法
2018-01-23 17:12:59
4 識(shí)別。首先對(duì)三維人臉深度圖像進(jìn)行局部二值模式( LBP)統(tǒng)一模式算子的特征提取,再對(duì)LBP特征進(jìn)行Log-Gabor小波變換,提取圖像的頻域特征向量作為訓(xùn)練的輸入向量,最后將單樣本訓(xùn)練向量集送入Fuzzy ARTMAP分類器進(jìn)行訓(xùn)練識(shí)別。該算法在FRGC v2.0三維人臉
2018-01-30 15:21:15
3 斑馬線識(shí)別方法的研究對(duì)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(shí)別斑馬線的方法精確度低、所需時(shí)間長(zhǎng)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(shí)別斑馬線方法,卷積神經(jīng)網(wǎng)絡(luò)
2018-02-24 15:52:13
6 針對(duì)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(dòng)信號(hào)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(dòng)信號(hào)正交分解為噪聲分布相對(duì)均勻的分量,對(duì)各分量進(jìn)行小波包閾值
2018-03-05 14:07:53
0 人臉特征提取是對(duì)人臉進(jìn)行特征建模的過程,提取方法主要分為兩大類:基于知識(shí)的表征方法和基于代數(shù)特征或統(tǒng)計(jì)學(xué)習(xí)的表征方法。目前人臉識(shí)別技術(shù)中使用的人臉特征主要包括視覺特征、人臉圖像變換系數(shù)特征,人臉圖像代數(shù)特征等。
2019-08-26 15:41:03
2590 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(shí)別MFCC原理特征提取。
2020-01-09 08:00:00
38 本文主要闡述了語音識(shí)別算法及語音識(shí)別特征提取方法。
2020-04-01 09:24:49
29661 
機(jī)器學(xué)習(xí)中特征選擇和特征提取區(qū)別 demi 在 周四, 06/11/2020 - 16:08 提交 1. 特征提取 V.S 特征選擇 特征提取和特征選擇
2020-09-14 16:23:20
3734 
近年來未知的計(jì)算機(jī)漏洞欻量呈海量増長(zhǎng)狀態(tài),對(duì)于大量的漏洞數(shù)據(jù)進(jìn)行及時(shí)準(zhǔn)確的分析和分類管理,是十分重要且有待解決的問題。因此,提出一種基于信息熵與綜合函數(shù)(S-C)特征提取,并利用關(guān)聯(lián)了特征
2021-04-13 13:51:15
3 基于嵌入式特征提取的多標(biāo)記分類算法說明。
2021-06-04 10:18:40
7 針對(duì)歸一化功率倒譜系數(shù)(PNCC)在較低信噪比噪聲環(huán)境下說話人識(shí)別魯棒性不佳的問題,提出了非線性冪函數(shù)變換伽馬啁啾頻率倒譜系數(shù)( NPGFCO)的抗噪語音特征提取算法。相比PNCC, NPGFCO
2021-06-04 11:33:01
0 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(shí)別算法。首先通過仿射變換、池化、灰度均衡仳、邊緣檢測(cè)等算法對(duì)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(duì)特
2021-06-16 15:03:49
5 基于中軸變換的改進(jìn)骨架特征提取方法
2021-06-27 15:38:19
25 人臉識(shí)別的核心流程,所謂核心流程就是不管在什么樣的人臉識(shí)別系統(tǒng)里面基本上都有這個(gè)流程。首先人臉檢測(cè),第二步做人臉對(duì)齊,第三步做特征提取,這是對(duì)每一張照片都要做的這三步,當(dāng)要去做比對(duì)的時(shí)候就把提取的特征做比對(duì),然后確定這兩個(gè)臉是不是屬于同一個(gè)人。
2022-07-08 15:34:18
1666 特征提取是計(jì)算機(jī)視覺中的一個(gè)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 10:28:14
2287 高光譜遙感技術(shù)具有能同時(shí)反映遙感對(duì)象空間特征和光譜特征等獨(dú)特優(yōu)勢(shì),但這些優(yōu)勢(shì)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(duì)高光譜圖像的利用有重要意義。
2022-09-26 13:53:00
3779 
人臉識(shí)別閘機(jī)系統(tǒng)由人臉識(shí)別算法及系統(tǒng)軟件和閘機(jī)硬件設(shè)備組成。軟件是人臉識(shí)別系統(tǒng)。人臉識(shí)別算法是人臉識(shí)別系統(tǒng)的核心。該系統(tǒng)具有人臉檢測(cè)、人臉跟蹤、人臉比對(duì)、特征提取,圖像存儲(chǔ)等功能。不僅可以檢測(cè)圖片
2023-01-07 11:56:41
2535 
。 人臉識(shí)別技術(shù)的原理主要包括三個(gè)步驟:圖像捕獲、特征提取和身份認(rèn)證。首先,通過攝像頭、傳感器等設(shè)備捕獲個(gè)體的圖像或視頻。其次,利用算法對(duì)捕獲的圖像進(jìn)行特征提取,即提取個(gè)體的面部特征,如眼睛、鼻子、嘴巴、面部輪廓
2023-06-28 17:41:47
1150 人臉識(shí)別技術(shù)需要經(jīng)過多個(gè)步驟,包括圖像采集、預(yù)處理、特征提取、特征匹配和輸出識(shí)別結(jié)果等。其中,預(yù)處理主要是對(duì)圖像進(jìn)行濾波、去噪和歸一化等操作,以消除干擾和噪聲。特征提取主要是從圖像中提取出人臉的特征信息,如
2023-06-29 18:10:04
734 人臉識(shí)別技術(shù)是一種重要的生物識(shí)別技術(shù),廣泛應(yīng)用于安全防護(hù)、金融支付、門禁系統(tǒng)等領(lǐng)域。為了提高人臉識(shí)別技術(shù)的精度,研究人員采用了多種方法,如深度學(xué)習(xí)、特征提取、圖像處理等。 其中,深度學(xué)習(xí)的方法在人臉
2023-07-05 14:13:07
433 方法,如數(shù)據(jù)加密、特征提取、生物特征識(shí)別等。數(shù)據(jù)加密可以通過對(duì)數(shù)據(jù)進(jìn)行加密,保護(hù)數(shù)據(jù)的隱私和安全。特征提取可以將人臉特征提取出來,并進(jìn)行比對(duì),提高識(shí)別準(zhǔn)確性。生物特征識(shí)別可以通過對(duì)人臉的生物特征進(jìn)行識(shí)別,如指紋
2023-07-05 14:20:55
599 采集到的人臉圖像數(shù)據(jù)需要進(jìn)行預(yù)處理和特征提取。預(yù)處理可以包括圖像去噪、灰度化或歸一化等操作,以提高后續(xù)處理的準(zhǔn)確性。特征提取通常使用計(jì)算機(jī)視覺和模式識(shí)別算法,如主成分分析(PCA)或局部二值模式(LBP),來提取人臉圖像的關(guān)鍵特征。
2023-07-24 15:13:49
2241 人臉識(shí)別的算法有哪些 人臉識(shí)別算法現(xiàn)在已經(jīng)廣泛應(yīng)用于各個(gè)領(lǐng)域,如安防、商業(yè)、醫(yī)療等。人臉識(shí)別算法可以分為傳統(tǒng)人臉識(shí)別算法和深度學(xué)習(xí)人臉識(shí)別算法。 傳統(tǒng)人臉識(shí)別算法包括以下幾種: 1. 特征提取算法
2023-08-09 18:34:09
2584
評(píng)論