Advertisement

经过训练的行人检测分类器。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该代码仓库位于https://blog..net/lyq_12/article/details/83346833，其中包含了行人检测的源程序。用于该检测程序的训练好的检测器模型已附在附件中。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 经过训练的行人检测分类器
    优质
    本项目专注于开发和优化经过训练的行人检测分类器，利用先进机器学习技术识别图像或视频中的行人。通过大量标注数据进行模型训练，提高算法在各种复杂场景下的准确性与鲁棒性，旨在为自动驾驶、安全监控等领域提供可靠的技术支持。 行人检测的源码使用了训练好的检测器。
     
  • 基于HOG和SVM的行人检测分类器训练
    优质
    本研究旨在开发一种行人检测系统，采用HOG特征提取与SVM分类相结合的方法，有效提升行人识别精度。 行人检测分类器的训练完成后可以测试其效果。需要注意的是，在训练过程中要确保样本路径设置正确。
     
  • 基于HOG和SVM的行人检测分类器训练
    优质
    本研究采用HOG特征提取与SVM分类算法相结合的方法，旨在提高行人检测系统的准确性。通过大量样本数据训练模型，优化行人识别性能。 行人检测分类器的训练完成后如何测试效果？需要注意样本路径的问题。
     
  • 利用自训练SVM分类器开展HOG行人检测
    优质
    本研究采用自训练支持向量机(SVM)分类器与HOG特征相结合的方法，提高行人检测精度和效率，适用于复杂场景下的行人识别。 自己训练SVM分类器进行HOG行人检测。开发环境为VS2010 + OpenCV2.4.4，请自行调整工程的include目录和lib目录配置。正样本来源于INRIA数据集中的96*160大小的人体图片，使用时上下左右各去掉16个像素，截取中间的64*128大小的人体部分。负样本是从不包含人体的图像中随机裁剪得到，尺寸同样为64*128。SVM分类器采用的是OpenCV库自带的CvSVM类。
     
  • 利用自训练SVM分类器开展HOG行人检测
    优质
    本研究采用自训练支持向量机(SVM)分类器与HOG特征相结合的方法进行行人检测，有效提高了复杂场景下的行人识别精度。 声明：本段落正样本来源于INRIA数据集中的96*160大小的人体图片，在使用时上下左右各去掉16个像素，截取中间的64*64区域。
     
  • 行人的检测训练库
    优质
    《行人的检测训练库》是一款专为行人识别设计的数据集和模型训练工具，适用于开发智能监控、自动驾驶等领域的应用系统。包含丰富的行人图像及标注信息，助力研究人员提升算法精度。 行人检测训练库包含12000个负样本和2400个正样本。
     
  • 基于SVM的HOG特征行人检测训练
    优质
    本研究采用支持向量机(SVM)结合 Histogram of Oriented Gradients (HOG) 特征，开发了一种高效的行人检测算法，旨在提高复杂背景下的行人识别精度和速度。 训练SVM分类器进行HOG行人检测，在VS2010 + OpenCV2.4.4环境下操作。使用过程中，请自行调整工程的include目录和lib目录配置。 正样本选取自INRIA数据集中的96*160大小的人体图片，实际应用时需要上下左右各去掉16个像素，截取中间的64*128大小的人体图像作为训练样本。负样本则是从不含人体的图片中随机裁剪得到，尺寸同样为64*128。 SVM分类器采用的是OpenCV自带的CvSVM类进行构建和应用。
     
  • 基于OpenCV的人脸检测Cascade分类器训练样本及相关文件
    优质
    本项目提供用于训练OpenCV中人脸检测Cascade分类器的数据集和相关资源，包括正负样本图片及XML模型文件。 这段文字介绍的是人脸检测的样本以及用于级联器训练的相关文件，可以帮助快速上手并训练出一个属于自己的级联分类器。
     
  • 训练完成的车辆分类检测模型
    优质
    本项目成功研发了一套高效的车辆分类与检测系统，通过深度学习技术识别并区分各类车型，适用于智能交通管理和自动驾驶领域。 模型已经训练完成，并且准确率达到98%，能够识别Truck（卡车）、SUV、SportsCar（跑车）、Car（轿车）、Bus（公共汽车）、MicroBus（小型巴士）和Jeep这几个类别的汽车。该模型可以与Keras_rerinanet一起使用。