资源简介
一种阴影检测的新的方法,论文发表在2013年pami上的,关于区域对来检测阴影
代码片段和文件信息
function [predicted_label accuracy dval_probest] = ...
svmpredict(testing_label_vector testing_instance_matrix model libsvm_options)
% FUNCTION makes class label predictions on testing data together with
% model constructed from training data.
%
% [predicted_label accuracy dval_probest] = ...
% svmpredict( testing_label_vector testing_instance_matrix model libsvm_options);
%
% INPUT :
% -testing_label_vector:
% An m by 1 vector of prediction labels. If labels of test
% data are unknown simply use any random values. (type must be double)
% -testing_instance_matrix:
% An m by n matrix of m testing instances with n features.
% It can be dense or sparse. (type must be double)
% -model:
% The output of svmtrain.
% -libsvm_options:
% A string of testing options in the same format as that of LIBSVM.
%
% OUTPUT :
% predicted_label - labels predicted for testing data
% accuracy - scalar of prediction accuracy
% dval_probest - decision values or probability
% estimates (if ‘-b 1‘ is specified). If k is
% the number of classes for decision values
% each row includes results of predicting
% k(k-1)/2 binary-class SVMs
%
% OPTIONS :
% b - decision values (0) or probability estimates
% for each point (1)
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2012-04-24 15:00 shadow_rewrite\data\
目录 0 2012-04-24 17:49 shadow_rewrite\data\binary\
目录 0 2012-04-24 17:49 shadow_rewrite\data\cache\
目录 0 2012-04-24 17:49 shadow_rewrite\data\mask\
目录 0 2012-04-24 17:49 shadow_rewrite\data\matting\
目录 0 2012-04-24 16:10 shadow_rewrite\data\original\
文件 156603 2012-02-06 13:55 shadow_rewrite\data\original\DSC01523.jpg
文件 213007 2012-02-06 13:55 shadow_rewrite\data\original\DSC01525.jpg
文件 158929 2010-11-09 17:32 shadow_rewrite\data\original\DSC01536.jpg
文件 149486 2010-11-09 17:32 shadow_rewrite\data\original\DSC01603.jpg
文件 218995 2010-11-09 17:32 shadow_rewrite\data\original\DSC01611.jpg
文件 121299 2012-02-06 13:55 shadow_rewrite\data\original\DSC01618.jpg
文件 59656 2010-11-10 02:00 shadow_rewrite\data\original\p14_1.jpg
文件 61676 2010-11-10 02:00 shadow_rewrite\data\original\p21_1.jpg
文件 1276854 2010-12-19 14:30 shadow_rewrite\data\original\siebel.bmp
目录 0 2012-04-24 17:48 shadow_rewrite\data\removal\
文件 37296 2012-04-24 17:48 shadow_rewrite\data\removal\DSC01523_free_nopair_15_12.jpg
文件 46501 2012-04-24 17:48 shadow_rewrite\data\removal\DSC01525_free_nopair_15_12.jpg
文件 33418 2012-04-24 17:48 shadow_rewrite\data\removal\DSC01536_free_nopair_15_12.jpg
文件 34847 2012-04-24 17:48 shadow_rewrite\data\removal\DSC01603_free_nopair_15_12.jpg
文件 27598 2012-04-24 17:48 shadow_rewrite\data\removal\DSC01618_free_nopair_15_12.jpg
文件 62514 2012-04-24 17:48 shadow_rewrite\data\removal\p14_1_free_nopair_15_12.jpg
文件 62876 2012-04-24 17:48 shadow_rewrite\data\removal\p21_1_free_nopair_15_12.jpg
文件 44561 2012-04-24 17:48 shadow_rewrite\data\removal\siebel_free_nopair_15_12.jpg
目录 0 2012-04-24 17:49 shadow_rewrite\data\unary\
目录 0 2012-04-24 14:50 shadow_rewrite\libsvm-mat-3.0-2\
目录 0 2012-04-24 14:50 shadow_rewrite\libsvm-mat-3.0-2\backm\
文件 1541 2012-04-24 14:44 shadow_rewrite\libsvm-mat-3.0-2\backm\libsvmpredict.m
文件 2823 2012-04-24 14:44 shadow_rewrite\libsvm-mat-3.0-2\backm\libsvmtrain.m
文件 378 2012-04-24 14:44 shadow_rewrite\libsvm-mat-3.0-2\backm\libsvmwrite.m
文件 1497 2012-04-24 14:44 shadow_rewrite\libsvm-mat-3.0-2\COPYRIGHT
............此处省略599个文件信息
相关资源
- FISTA 压缩感知的图像使用快速迭代s
- 基于MATLAB永磁同步电机矢量控制系统
- 仿真均匀线阵的泰勒(tayl )方向图加
- 利用双向渐进结构优化法(BESO )优化
- HHT变换matlab程序
- LTE下行链路级仿真程序
- 惯导姿态解算
- 多相滤波(polyphase filter)的基本原理
- 最新最完整的Matlab粒子滤波工具箱(
- 移动机器人轨迹跟踪迭代学习控制 (
- 蓄电池模型 (power battery)
- 求解流体力学中有限体积(FVM)法的
- PSO SVM SVM用于分类时的参数优化
- 流体力学中simple算法的matlab代码
- 最小二乘算法(LMS)处理滤波并预测
- chirp信号的frft的峰值搜索仿真
- matlab编写的蛙跳聚类算法(SFLA)
- LBP特征提取的MATLAB实现
- 数字图像滤波程序
- GCC时延估计
- 基于kaiser窗的双谱线插值FFT谐波分析
- 加窗插值FFT算法的matlab 512点仿真
- GM_PHD_Filter_v110
- pls 可以用于计算排列熵
- 用α-β滤波器结合卡尔曼滤波器对相位
- matlab实现遗传算法 (Matlab Genetic Al
- 切比雪夫(Chebyshev)多项式展开式的
- SIR病毒传播模型的matlab程序
- STATCOM无功补偿不平衡负载,阶梯调制
-
matlab/simuli
nk仿真永磁无刷直流电机
评论
共有 条评论