HelloWorld 开发者社区
科技资讯
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
形状特征描述
商标主要特征就是形状,所以采用形状特征描述,问题在于如何描述形状(提取特征),以及如何判断相似性(如何检索)。代表性工作(背景):1.基于权重的检索方案表示:边缘方向和不变矩检索:基于权重的特征匹配策略2.基于“两组件”的检索方案表示:质心距离,轮廓曲率,Zernike矩检索:“两组件
再读《基于内容图像...》
提出问题:1.在形状描述方面,现有轮廓特征描述算子无法有效量化相邻边界点间的关系,现有区域特征描述算子使用近似计算来降低计算复杂度,从而降低了区域特征描述的有效性,另外在特征匹配方面,现有方法取值欠合理性,影响检索结果。2.在兴趣点分组的基础上构建局部颜色直方图时,图像中游离兴趣点的存在将使得兴趣点
基于语义学习的检索
基于语义学习的检索反馈机制由来:早期研究中,基于内容的图像检索往往仅仅是视为基于视觉特征的检索,其中图像内容用视觉特征来表示,图像见的相似程度由视觉特征间的匹配程度来表示。然而随着进一步的研究发现,仅仅依赖于视觉特征的图像检索,其结果很难令人满意,因为存在“语义鸿沟”(即是底层的视觉特征和上层的
视觉特征提取研究现状(二)
1.纹理特征(难懂)通过分析所获得的纹理特征一般用来刻画图像中领域像素的灰度分布(不太懂,先建立概念)。当前纹理特征的提取方法可以分为四类:基于统计的方法,频谱,结构,模型2.兴趣点特征图像的局部特征越来越重要,局部特征具有更好的鲁棒性和紧凑性。局部特征提取一般分为两个步骤:首先从图像中
特征提取研究现状
研究现状:1.颜色特征:对各个像素点颜色进行统计形成颜色直方图。不同在于:(全局)用直方图的交、二次距离、聚类成平均色值和主色值、HSV色彩空间、模糊颜色等。(为了更精确,提出局部):局部颜色直方图、分块颜色矩等、颜色特征的词袋模型等。2.形状特征:分为轮廓特征和区域特征。基于轮廓特征:从形状边
图像检索论文现状
在知网上下载了14年的图像检索论文,做了粗略统计,大致可分为3类firstly,是基于内容的图像检索的综述,这类大致占所有论文的20%,内容主要是对CBIR的介绍,看了一篇,阐明了现在CBIR系统一般大致分为两部分,建立索引(图像的建模,预处理,特征提取),查找索引(以图找图,特征提取,特征匹配)
已经看完全部文章
已加载文章中没有匹配内容,可继续加载更多。