社区
非技术区
帖子详情
安装SVM工具箱出错了,装了n+1遍了,求大神指点,谢谢啊
weixin_53539733
2021-04-08 11:24:22
代码如下:
...全文
223
回复
打赏
收藏
安装SVM工具箱出错了,装了n+1遍了,求大神指点,谢谢啊
代码如下:
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
自己训练
SVM
分类器进行HOG行人检测
自己训练
SVM
分类器进行HOG行人检测. 环境为VS2010 + OpenCV2.4.4. 使用时请自行修改工程的include目录和lib目录配置。 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。 负样本是从不包含人体的图片中随机裁取的,大小同样是64*128。
SVM
使用的是OpenCV自带的Cv
SVM
类。
Lib
SVM
Java API调用示例程序
Lib
SVM
Java API调用示例程序 Eclipse 完整工程可以运行 相关详情见http://blog.csdn.net/yangliuy/article/details/8041343#comments 3行程序搞定
SVM
分类-用JAVA程序调用Lib
SVM
API 最简单的示例 欢迎关注我的博客blog.csdn.net/yangliuy
大白话
SVM
算法课程
以通俗简介的方式,从浅入深介绍
SVM
原理和代码流程 让你从此不再惧怕
SVM
视频部分: 01_
SVM
之回顾梯度下降原理02_
SVM
之回顾有约束的最优化问题03_
SVM
之回顾有约束的最优化问题-KKT几何解释04_
SVM
之回顾有约束的最优化问题-KKT数学解释05_
SVM
之回顾距离公式和感知器模型06_
SVM
之感知器到
SVM
的引入07_
SVM
之线性可分时损失函数的表示08_
SVM
之线性可分时损失函数的
求
解-对w,b变量
求
偏导09_
SVM
之线性可分时损失函数的
求
解-对β变量
求
解.10_
SVM
之线性可分时算法整体流程11_
SVM
之线性可分时案例12_
SVM
之线性不可分时软间隔介绍13_
SVM
之线性不可分时软间隔优化目标14_
SVM
之线性不可分时软间隔算法整体流程15_
SVM
之线性不可分时数据映射高维解决不可分问题16_
SVM
之线性不可分时核函数引入17_
SVM
之线性不可分时核函数讲解18_
SVM
代码之线性可分时和Logistic回归比较19_
SVM
代码之基于鸢尾花数据多分类参数解释20_
SVM
代码之基于鸢尾花数据网格搜索选择参数21_
SVM
代码之不同分类器,核函数,C值的可视化比较22_
SVM
之回归方式SVR23_
SVM
代码之SVR解决回归问题24_
SVM
之SMO思想引入25_
SVM
之SMO案列讲解代码部分:资料部分:
Matlab
安
装
SVM
工具箱
工作环境(蓝色粗体字为特别注意内容)1,软件环境:Windows 7 Ultimate sp1、matlabR2012b 32bit2,参考文献:①https://blog.csdn.net/u011473714/article/details/80354966②:https://blog.csdn.net/xinkanyilou/article/details/7233820 Matlab 官...
HOG理论+
SVM
介绍+(hog+
svm
组合行人检测)
HOG理论+
SVM
介绍+(hog+
svm
组合行人检测) 1、hog理论 梯度直方图特征(HOG) 是一种对图像局部重叠区域的密集型描述符, 它通过计算局部区域的梯度方向直方图来构成特征。Hog特征结合
SVM
分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+
SVM
进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的,而如今虽然有很多行...
非技术区
829
社区成员
53,590
社区内容
发帖
与我相关
我的任务
非技术区
Delphi 非技术区
复制链接
扫一扫
分享
社区描述
Delphi 非技术区
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章