SVM+HOG

SVM+HOG 之牛奶盒检测（一、SVM）

这篇主要讲SVM理论。SVM即为SupportVectorMachine，支持向量机，是一种很有意思的算法，它的目的是在数据中获得一个超平面，将数据分开。如下图中所示，下边是一堆蓝色的点，上边是一堆红色的点，中间一条直线把它们分开了，这条直线就是“超平面”。由此可以推广到更高维度，那时的“超平面”自然也不是一条直线了。Hyper-Plane.png怎么找到这个超平面呢？如下图所示，要能把这些点（向
SIENTIST·2024-01-22 15:50

用初次训练的SVM+HOG分类器在负样本原图上检测HardExample

亲测有效！！难例(或叫做难样本，HardExample，HardNegative，HardInstance)是指利用第一次训练的分类器在负样本原图(肯定没有人体)上进行行人检测时所有检测到的矩形框，这些矩形框区域很明显都是误报，把这些误报的矩形框保存为图片，加入到初始的负样本集合中，重新进行SVM的训练，可显著减少误报。这种方法叫做自举法(Bootstrap)，自举法首先使用初始负样本集来训练一个
amulet0703·2023-02-16 21:23

基于SVM+HOG的手写体数字识别

本文是对下面这篇文章的一些略微详细的解释。。。OpenCVHog+SVM学习最近在学习数字识别，搜索资料的时候，发现了这篇文章。文章很久了，是2013年发的，那时候我才刚上大学。。。。。用的是HOG+SVM来进行手写体数字识别。现在都是用神经网络来进行手写体的识别。但是老的方法有些时候还是很好用的。这篇文章写得很详细了，我在参考这篇文章复现这个小工程的时候遇到了一些问题，主要记录一下这些问题。。训
wf3865·2022-12-23 07:31

opencv hog svm java_opencv学习笔记（七）SVM+HOG

opencv学习笔记(七)SVM+HOG一、简介方向梯度直方图(HistogramofOrientedGradient,HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。
呵护199005·2022-03-01 07:03

SVM+HOG 之牛奶盒检测（二、HOG）

方向梯度直方图（HistogramofOrientedGradient,HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器在图像识别中应用非常广泛，尤其是传统机器学习中比较成功的行人检测算法。当然现在都是深度学习的天下了。核心思想：图像中，局部目标的表象和形状能够被梯度或边缘的方向密度分布很好地
SIENTIST·2022-02-04 21:29

opencv3使用svm+hog训练数字

先暂时把opencv3的具有参考价值的文章放一下：1、主要参考这个文章，但是他的是opencv2文章名称：使用svm+hog训练，检测手写数字：https://blog.csdn.net/weixin_
翟羽嚄·2020-09-13 15:12

目标检测(二)

目标检测是计算机视觉中一个传统的问题，基本流程可以看做：特征提取–>模型训练(分类)–>滑动窗口计算响应(可以做多尺度)---->非极大值等基本步骤传统的目标检测方法：svm+hog,DPM等，这里就不详细解释了
u011144848·2020-08-19 04:14

自己训练SVM-HOG分类器，进行HOG+SVM+OPENCV行人检测（完整工程项目）

在行人检测方面，SVM+HOG方法是比较普遍的，但是其检测准确率的影响因素有很多，不同场景中的行人，如：街道、商场等，以及不同的人群密集度，会影响检测的最终准确率。
wszswllnzn_·2020-08-04 21:32

Machine learning for OpenCV 学习笔记 day6

SVM+HOG检测行人前面已经介绍了SVM在随机数据上的实现方法，现在我们要用SVM进行行人识别获得数据集如果是从github上直接下载的，在notebook文件夹下应该会有一个名字是data的子文件夹
Chris_zhangrx·2020-07-15 17:10

python手势识别上下左右(SVM+HOG特征)

项目环境：opencv==3.4.5scikit-learn=>=0.20.2.numpy==1.17.4参考博客：https://blog.csdn.net/qq_41562704/article/details/88975569一、收集数据集1、数据集图片的大小300x3002、获取上、下、左、右的手势，进行皮肤检测，将背景二值化3、皮肤检测参考文章（https://blog.csdn.net
koervcor·2020-07-07 23:45

人头检测代码示例：SVM+HOG

SVM+HOG的模型之前多数被应用于行人检测，我在做人头统计的过程中考虑到人头的边缘形状比较明显，图像梯度比较容易提取，所以将该方法搬到人头统计上来，效果还不错。
holybin·2020-07-05 17:58

# 支持向量机+hog特征实现手势识别

SVM+hog特征实现手势识别上一篇写到了SVM,自己也花了大量的时间去看了原理。。。但总觉得没有示例的话还是有点虚。同时也一直想要做一个手势分类的项目玩。
不爱说话的圆圆·2020-06-30 09:13

四种行人检测方法对比的matlab源码(附INRIA数据库及GUI界面)

四种算法分别为svm+hog,svm+hog+lbp,adaboost+hog,adaboost+hog+ulbp+cn每种算法都分别有两个.m文件，一个为训练过程，一个为验证过程以svm+hog为例：
Python解决方案·2020-03-14 11:07

SVM+HOG 之牛奶盒检测（三、C++实战操作）

OpenCV中的SVM+HOG，检测的尺寸一共有2种，一种是64*128，一种是64*64。这里我选择64*128的尺寸。
SIENTIST·2019-04-11 09:17

目标检测框架

1、SVM+HOG区域生成方法：滑动窗口；特征：HOG；检测范式：手工特征+分类器；SVM+HOG过去常常用于行人检测和车辆检测。以行人检测为例，该方法将目标检测规约为一个二分类问题。
thisiszdy·2019-01-28 20:52

OpenCV学习笔记（二）：SVM+HOG实现的行人检测

因为一个项目的需求接触到OpenCV里的SVM和HOG特征算法，根据网上的教程一个博客，给自己准备了一个关于行人检测demo，里面也有一些代码也是参考网上的demo，这里大致记录下demo的代码和自己的遇到的一些小问题。参考博客/文章：HOG+SVM行人检测目标检测的图像特征提取之（一）HOG特征python+opencv3.4.0实现HOG+SVM行人检测软件环境：Python：3.6.3Ope
汐陌夏初·2019-01-03 12:42

SVM+HOG识别数字

想实现一个SVM分类器，在网上找了好久，都不能编译，心态要崩了，下楼去跑了一会儿步，才恢复过来。最后找到了一个博客，实现成功了。根据网上的教程，我复现了一遍，详见该博客https://blog.csdn.net/wf15725243865/article/details/80894132这期间，我遇到了几个很蠢的问题。1.一个项目下我编写了多个main函数，当然出错啦2.别人博客上选取的图片是28
LILIHUANG9595·2018-11-29 21:56

深度学习目标检测方法综述

目前业界出现的目标检测算法有以下几种：1.传统的目标检测算法：Cascade+Haar/SVM+HOG
ZONG_XP·2018-04-26 11:54

svm+hog图片分类 java版

参照链接http://blog.csdn.net/m_wbcg/article/details/75092947，做了个图像二分类的小测试，记录下publicclassSvm_train{publicvoidsvm_train(){IntegerITERATION_NUM=10000;Stringtraintxt="D:/mnist_data/traindata.txt";ArrayListimg
hanzhangliu_lkzy·2018-03-21 15:06

Machine learning for OpenCV 学习笔记 day6

SVM+HOG检测行人前面已经介绍了SVM在随机数据上的实现方法，现在我们要用SVM进行行人识别获得数据集如果是从github上直接下载的，在notebook文件夹下应该会有一个名字是data的子文件夹
Chris_zhangrx·2017-10-03 21:13

SVM+HOG对图像进行多分类（OpenCV实现）

前几个月写了篇关于MATLAB实现SVM+HOG对图像进行多分类，链接：http://blog.csdn.net/cuixing001/article/details/70908064，先开始是用opencv
The_Matrix_·2017-08-09 16:39

目标检测算法种类及展望

目前业界出现的目标检测算法有一下几种：传统的目标检测算法：Cascade+Haar/SVM+HOG/DPM；候选窗+深度学习分类：通过提取候选区域，并对相应区域进行以深度学习方法为主的分类的方案，如：RCNN
zchang81·2017-06-28 10:29

SVM+HOG：训练分类器生成.xml文件

Github：https://github.com/icsfy/Pedestrian_Detection/blob/master/MORE.md转载：http://blog.csdn.net/masibuaa/article/details/16105073正样本来源是INRIA数据集中的96*160大小的人体图片，使用时上下左右都去掉16个像素，截取中间的64*128大小的人体。负样本是从不包含
GoJawee·2017-06-02 17:15

SVM+HOG：利用训练好的XML进行行人检测（检测效果）

说明：HOG+SVM生成的.xml文件不能用人脸的代码进行测试效果，必须用下面的代码才能测试代码。#include#include#include#include#include#include#includeusingnamespacestd;usingnamespacecv;//继承自CvSVM的类，因为生成setSVMDetector()中用到的检测子参数时，需要用到训练好的SVM的deci
GoJawee·2017-06-01 15:09

SVM+HOG对图像进行分类（MATLAB实现）

网上看到关于用opencv对图像进行分类的不少，这次用MATLAB做了些尝试，图像数据集为:链接:https://pan.baidu.com/s/1i5OhC7z密码:utn7，其他MATLAB版本http://blog.csdn.net/libin88211/article/details/19968205，点击打开链接，http://blog.csdn.net/jcy1009015337/ar
The_Matrix_·2017-04-28 14:14

【OpenCV3】HOG+SVM目标识别

这不再进行原理性的介绍，直接介绍如何使用opencv进行SVM+HOG训练和检测。
PHILOS_THU·2017-04-15 15:03

车辆追踪算法大PK：SVM+HOG vs. YOLO

//由于博主目前正在做车辆跟踪方面的研究，看了一下这篇论文里面的文章，感觉还不错，就转了过来！//不过这篇论文里面的用HOG+SVM和YOLO的方法作比较，我感觉有些不妥，因为基于特征点+SVM的车辆跟踪方法速度确实有点慢，但是基于其它方法的车辆跟踪方法，跟踪的帧率还是不错的，当然鲁棒性也不错，比如博主现在研究的基于粒子滤波后验概率的车辆跟踪方法作者：KasparSakmannTwitterFac
马卫飞·2017-03-08 10:20

【目标检测】基于SVM+HoG目标检测

最近正在做一个基于目标检测的项目，里面涉及到行人检测、跟踪，这里记录项目历程，以备后期研习。【00】前言巴拉巴拉---在做这个之前，看的论文也比较少，主要是百度、必应一些关键词行人检测、目标检测等，比较多的算法介绍为HoG+SVM、还有一些机器学习相关的算法，如YOLO等，因为之前在HoG和SVM上花了时间较多，所以现阶段任务是在项目上把它们用起来，后期再考虑往深度学习上走【01】基础介绍HoG+
Beattodeath·2017-02-07 15:51

用初次训练的SVM+HOG分类器在负样本原图上检测HardExample

声明：本文转载自 masikkk难例(或叫做难样本，HardExample，HardNegative，HardInstance)是指利用第一次训练的分类器在负样本原图(肯定没有人体)上进行行人检测时所有检测到的矩形框，这些矩形框区域很明显都是误报，把这些误报的矩形框保存为图片，加入到初始的负样本集合中，重新进行SVM的训练，可显著减少误报。这种方法叫做自举法(Bootstrap)，自举法首先使用初
masikkk·2016-04-24 13:00

用初次训练的SVM+HOG分类器在负样本原图上检测HardExample

难例(或叫做难样本，HardExample，HardNegative，HardInstance)是指利用第一次训练的分类器在负样本原图(肯定没有人体)上进行行人检测时所有检测到的矩形框，这些矩形框区域很明显都是误报，把这些误报的矩形框保存为图片，加入到初始的负样本集合中，重新进行SVM的训练，可显著减少误报。这种方法叫做自举法(Bootstrap)，自举法首先使用初始负样本集来训练一个模型，然后收
小新识图·2015-02-08 10:17

用初次训练的SVM+HOG分类器在负样本原图上检测HardExample

难例(或叫做难样本，HardExample，HardNegative，HardInstance)是指利用第一次训练的分类器在负样本原图(肯定没有人体)上进行行人检测时所有检测到的矩形框，这些矩形框区域很明显都是误报，把这些误报的矩形框保存为图片，加入到初始的负样本集合中，重新进行SVM的训练，可显著减少误报。这种方法叫做自举法(Bootstrap)，自举法首先使用初始负样本集来训练一个模型，然后收
huixingshao·2015-02-08 10:00

svm 行人识别 训练 基于Opencv

参考 http://blog.csdn.net/zouwen198317/article/details/8198578写得很好的svm+hog的分类器训练[cpp] viewplaincopyclass
pb09013037·2014-11-20 09:00

人头检测代码示例：SVM+HOG

SVM+HOG的模型之前多数被应用于行人检测，我在做人头统计的过程中考虑到人头的边缘形状比较明显，图像梯度比较容易提取，所以将该方法搬到人头统计上来，效果还不错。
u012564690·2014-01-02 19:00

用初次训练的SVM+HOG分类器在负样本原图上检测HardExample

难例(或叫做难样本，HardExample，HardNegative，HardInstance)是指利用第一次训练的分类器在负样本原图(肯定没有人体)上进行行人检测时所有检测到的矩形框，这些矩形框区域很明显都是误报，把这些误报的矩形框保存为图片，加入到初始的负样本集合中，重新进行SVM的训练，可显著减少误报。这种方法叫做自举法(Bootstrap)，自举法首先使用初始负样本集来训练一个模型，然后收
masikkk·2013-11-14 10:00

OpenCV操作SVM+HOG

http://blog.csdn.net/raocong2010/article/details/6239431http://blog.sciencenet.cn/blog-261330-548546.htmlhttp://blog.csdn.net/sangni007/article/details/7471222#include"cv.h" #include"highgui.h" #inc
Augusdi·2013-04-28 21:00

Object Recognition and Scene Understanding（四）OpenCV SVM+HOG分类

通过前面的介绍，可以对hog特征利用svm训练，得到简单的二分类模型，利用分类模型可以实现二分。参考：http://blog.csdn.net/yongshengsilingsa/article/details/7535496 OpenCV官方的SVM代码在http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/ml/introduc
loadstar_kun·2013-03-11 17:00

svm 行人识别 训练 基于Opencv

写得很好的svm+hog的分类器训练classMysvm:publicCvSVM { public: intget_alpha_count() { returnthis->sv_total;
zouwen198317·2012-11-19 11:00

SVM+HOG

http://blog.csdn.net/raocong2010/article/details/6239431http://blog.sciencenet.cn/blog-261330-548546.htmlhttp://blog.csdn.net/sangni007/article/details/7471222#include "cv.h"  #include "highgui.h"  #i
huangli19870217·2012-06-26 11:00
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他