登录
首页 » 图像处理 » 人脸识别opencv测试方法准确率的代码,绝对可用

人脸识别opencv测试方法准确率的代码,绝对可用

于 2022-07-17 发布 文件大小:3.36 MB
0 208
下载积分: 2 下载次数: 1

代码说明:

应用背景vs2010+opencv2.4.8,这个是测人脸识别代码的准确率的,具体人脸识别的方法在我上传的另外一个代码里面。里面也有两个cpp,testLBPHaccuracy.cpp测得是LBP方法的准确率,testLBPloadAccuracy.cpp则更为精简,测得是直接下载分类器用于测试的准确率,理论上说两个应该一样。关键技术可以修改createLBPHFaceRecognizer()此函数的参数例如改默认参数为 (1,8,4,4,DBL_MAX)和修改训练图片的张数(即修改at.txt文件)再分别测它们的准确率和时间。里面附有我测的各种变化的准确率和时间(包括在vs上跑的时间和板子上跑的时间)大家可以参考一下,从内存,时间,准确率选择最适合的参数。

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • Matlab双边滤波器
    双边滤波(Bilateral filter)是一种可以保边去噪的滤波器。之所以可以达到此去噪效果,是因为滤波器是由两个函数构成。一个函数是由几何空间距离决定滤波器系数。另一个由像素差值决定滤波器系数。main.m  :  程序入口函数bfilter2.m :滤波函数bfltColor.m : 当输入图像是彩色图像时的滤波函数bfltGray.m : 当输入图像是灰度图像时的滤波函数双边滤波器原理.doc :  解释滤波器的原理效果图.jpg  :  程序运行的效果
    2022-01-26 04:34:39下载
    积分:1
  • KSVD算法去噪
    附件中提供的代码是根据文章“Image Denoising Via Sparse and Redundant Representations Over Learned Dictionaries”编写的,整个程序分为两个阶段,第一,稀疏分解,第二,字典学习过程。在稀疏分解中采用的是正交匹配追踪算法(OMP),在字典学习过程中采用K次奇异值分解方法(SVD)更新字典原子。
    2022-01-28 14:57:29下载
    积分:1
  • hmm算法的实现
    HMM模型算法程序,对于学习动态手势识别很有用,包括后向算法估计参数,前向后向算法、BaumWelch算法的实现
    2022-03-01 00:00:01下载
    积分:1
  • 三维台球游戏
    现将老师共享的三维台球游戏设计分享给大家,游戏不能玩,但场景变换做得流畅,其中涉及图像处理的很多知识,希望对有志想要学好c的专业或者非专业人士以借鉴。如有可以改进之处可以进行交流。
    2022-02-25 23:24:59下载
    积分:1
  • prewwit边缘提取
    能够提取图像边缘,并且输出边缘坐标。 使用时需要修改路径。
    2022-07-12 17:48:53下载
    积分:1
  • 人脸检测
    人脸检测
    2022-01-24 09:35:24下载
    积分:1
  • PCI9054采
    PCI桥芯片基于PCI9054,实时采集CMOS相机输出的LVDS信号并实时显示,经测试可用。
    2022-03-20 16:50:31下载
    积分:1
  • 目标跟踪 opencv2.4.8 vs2010
    基于视频的目标跟踪 ,在opencv2.4.8和vs2010开发,基于camshift算法,需要手动鼠标选取跟踪物体 
    2022-03-14 04:29:50下载
    积分:1
  • 融合工具箱
    这个工具箱包括以下融合方法: 线性方法 线性叠加 pca加权叠加 非线性方法 选择最小值 选择最大值 多分辨率方法 拉普拉斯金字塔 fsd金字塔 比率金字塔 对比度金字塔 梯度金字塔 使用DBSS dwt(2,2)小波 sidwt使用哈尔小波 形态金字塔 这个函数是伴随着一个图形用户界面,允许图像i / o和交互式选择所有相关参数
    2022-05-06 10:16:02下载
    积分:1
  • 条件随机场链式CRF
    机器学习算法代码,可以用于分词,图像识别,行为识别等 原版本只可以在32位xp下运行,经本人修改,适用于各种版本matlab windows   clear all useMex = 0; % Set this to 1 to use mex files to speed things up %% Generate Synthetic Data % Notes: %   - X is categorical, each element X(i,j) contains the value of feature j for word i, %       a value of "0" means ignore the feature for this training example %   - y is cateogircal, each element y(i) contains the label for word i %       a value of "0" indicates the position between sentences [X,y] = crfChain_genSynthetic; nWords = size(X,1); nStates = max(y); nFeatures = max(X); %% Initialize parameters and data structures [w,v_start,v_end,v] = crfChain_initWeights(nFeatures,nStates,"randn");%初始化参数为正太分布,w状态-特征,v状态-状态 featureStart = cumsum([1 nFeatu
    2022-04-19 10:41:14下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载