识别图像场景中的对象的指南

发布于 2024-11-28 09:24:01 字数 343 浏览 0 评论 0原文

我花了几天时间搜索这个主题,找到了一些不错的文章,但它们都讨论理论,我必须使用 MATLAB 来实现它。指定对象是从 Caltec 101 数据集中选取的。我知道要达到这个目标有很多方法,使用对象几何特征、模板匹配等方法。有没有教程可以在 MATLAB 中实现这种方法之一?

*我可以选择其他数据集,不强制使用 Caltec 101


Caltec 101:Caltec 101:

另一个数据集 另一个数据集

I spent days to search about this topic and I found some good articles, but all them discuss about theory, and I have to implement it using MATLAB. Specified object are picked from Caltec 101 dataset. I know to reach this goal there are many methods, using objects geometric features, template matching, and other methods. Is there any tutorial to implement one of this methods in MATLAB?

*I can choose another dataset, it's not forced to use Caltec 101

Caltec 101:Caltec 101:

Another dataset
Another dataset

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(1

丢了幸福的猪 2024-12-05 09:24:01

如果您想要一些几乎可以直接“现成”工作并且主要在 MATLAB 中编码的东西,您应该尝试为“有区别地训练可变形零件模型" 以及 PAMI 2010CVPR 10。您可以在作者托管的网站上找到此框架的所有代码。

尽管第一篇论文的标题可能表明该系统被设计为仅处理具有可变形部分的对象,但该系统适用于各种对象类别,无论是刚性的还是具有可变形部分的。

该系统还荣获 PASCAL Visual 颁发的终身成就奖 2010 年对象类挑战研讨会,表彰(我引用):

“该检测器于 2007 年首次提交至 PASCAL VOC 挑战赛
现已成为许多分类、细分、
人物布局和动作分类提交。我们荣幸
通过创新和成功对社区做出的贡献
该方法及其免费分发。”

If you want something that works almost directly "off-the-shelf" and that is mostly coded in MATLAB, you should try the framework developed for "Discriminatively Trained Deformable Part Models" and subsequent papers in PAMI 2010 and CVPR 10. You can find all the code for this framework on a site hosted by the authors.

Even though the title of the first paper may suggest that the system is designed to deal with objects with deformable parts only, the system works on a wide variety of object categories, rigid or with deformable parts.

This system also won the Lifetime Achievement Prize from the PASCAL Visual Object Classes Challenge Workshop 2010, in recognition for (I quote):

"First submitted to the PASCAL VOC challenge in 2007, this detector
has now become a core component of many classification, segmentation,
person layout and action classification submissions. We honour the
contribution made to the community by the innovation and success of
the method and its free distribution."

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文