公众号:matlabworld。从事人工智能,机器学习,机器视觉,图像处理,信号通信等工作,熟悉MATLAB/verilog/python/opencv/tensorflow/caffe/C/C++等编程语言
基于OFF格式文件的三维模型建立和显示,带GUI界面
基于GMM高斯混合模型的语音信息身份识别算法的matlab仿真
基于affine+sift+GTM算法的图像配准和三维重建算法matlab仿真
基于模板匹配算法的车牌数字字母识别matlab仿真,带GUI界面
基于Field_II_ver_3_24_windows_gcc工具箱的超声波二维成像与三维成像matlab仿真
基于CNN卷积神经网络的图像分割matlab仿真
基于位相光栅的四波横向剪切干涉法波前检测算法的matlab仿真
基于自适应ICP算法的三维模型配准matlab仿真
基于三维人脸网格模型的二维人脸纹理贴图matlab仿真
基于ResNet-101深度学习网络的图像目标识别算法matlab仿真
基于形态学处理和颜色模型的车辆跟踪和车辆颜色识别matlab仿真
基于Alexnet深度学习神经网络的人脸识别算法matlab仿真
基于radon变换和CT算法的二维切片图像序列三维建模matlab仿真
基于LSTM深度学习网络的时间序列预测matlab仿真
基于双目人脸图像ORB特征提取匹配的人脸三维点云提取和建模的matlab仿真
基于LSTM深度学习网络的人员行走速度识别matlab仿真,以第一视角视频为样本进行跑或者走识别
基于SVD奇异值分解算法的人脸身份识别matlab仿真
基于KNN近邻分类的情感识别算法matlab仿真
基于mnist手写数字数据库识别算法matlab仿真,对比SVM,LDA以及决策树
基于CNN卷积神经网络的目标识别算法matlab仿真,测试mnist数据库
交通标志识别一直是计算机视觉和机器学习领域的研究热点之一。PCA(Principal Component Analysis)降维算法是一种常用的特征提取方法,可以将高维数据降低到低维空间中。本文介绍一种基于PCA降维的交通标志训练和识别算法,该算法可以从交通标志图像中提取特征,并训练出一个分类器,用于识别新的交通标志图像。