资源简介
程序对图像进行了很好的分类,好不容易找到的代码。
代码片段和文件信息
function [keypointsdescriptors] = computeFeatures(im)
% COMPUTEFEATURES Compute keypoints and descriptors for an image
% [KEYPOINTS DEscriptORS] = COMPUTEFEAUTRES(IM) computes the
% keypoints and descriptors from the image IM. KEYPOINTS is a 4 x K
% matrix with one column for keypoint specifying the XY location
% the SCALE and the CONTRAST of the keypoint.
%
% DEscriptORS is a 128 x K matrix of SIFT descriptors of the
% keypoints.
% Author: Andrea Vedaldi
im = standardizeImage(im) ;
[keypoints descriptors] = vl_phow(im ‘step‘ 4 ‘floatdescriptors‘ true) ;
- 上一篇:现代数字信号处理第二版
- 下一篇:TDS基本原理
相关资源
- 图像分类代码
- 基于概率密度分布一致约束的最小最
- opencv图像分类样本
- 基于卷积神经网络的图像分类
- 遥感图像分类
- 图像分类数据
- Opencv和图像分类
- 基于粗糙集的图像分类方法
- VGG16图像分类源代码、测试图片
- tensorflow下 自制rfrecords数据集采用on
- EfficientNet.tar.gz
- 地基云分类相关文献
- opencv SVM图分类训练图片和测试图片
- 交通标志数据集分类和GAN.zip
- 稀疏字典表示、OMP算法高光谱图像分
- opencv+svm实现图像分类代码+训练图片
- 卷积神经网络CNN进行图像分类
- 卷积神经网络图像分类和检测必看论
- 图片分类数据集(17类花朵)
- 衣服种类图片分类pb模型和名字txt
- shanghaitech数据集
- 机器学习常使用到的图像分类数据
- 交通标志数据集
- 利用cuda加速卷积神经网络,用于人工
- 图像分类残差网络-pytorch实现
- 基于贝叶斯分类器的图像分类
- 新基于内容图像检索系统
- keras-finetuning 使用你自己的数据集训练
- MSTAR全部数据集2G
- 遥感图像分类方法综述
评论
共有 条评论