计算机视觉:CSE527-2019秋季-作业

  • d8_309982
    了解作者
  • 13MB
    文件大小
  • zip
    文件格式
  • 0
    收藏次数
  • VIP专享
    资源类型
  • 1
    下载次数
  • 2022-04-27 07:06
    上传日期
计算机视觉 CSE527-2019秋季-作业 1号 高斯卷积 中值过滤器 可分离卷积 高斯拉普拉斯算子 直方图均衡 低通和高通滤波器 hw2 SIFT功能*场景匹配*对象识别 hw3场景识别 微小的图像 最近邻居分类 袋量化的局部特征 支持向量机学习的线性分类器 hw4 CNN 从头开始的深度卷积网络 微调预先训练的深度网络 hw5 RNN 使用预训练模型进行特征提取 建立LSTM网络 6号 3D姿势估计 卡尔曼滤波
Computer-Vision-master.zip
  • Computer-Vision-master
  • hw5
  • hw5.ipynb
    50.3KB
  • hw5.pdf
    192.1KB
  • hw6
  • hw6.pdf
    315.8KB
  • hw6.ipynb
    132.5KB
  • hw3
  • hw3.pdf
    424.7KB
  • hw3.ipynb
    393.2KB
  • hw2
  • hw2.pdf
    3.8MB
  • hw2.ipynb
    3.7MB
  • hw1
  • hw1.pdf
    2.4MB
  • hw1.ipynb
    3.4MB
  • hw4
  • hw4.ipynb
    388.7KB
  • hw4.pdf
    471.3KB
  • .gitattributes
    66B
  • README.md
    655B
内容介绍
# Computer Vision CSE527 - Fall 2019 - Assignments * hw1 * Gaussian convolution * Median filter * Separable convolutions * Laplacian of Gaussian * Histogram equalization * Low and high pass filters * hw2 SIFT Features *Scene matching *Object recognition * hw3 Scene Recognition * Tiny images * Nearest neighbor classification * Bags of quantized local features * Linear classifiers learned by support vector machines * hw4 CNN * Deep convolutional network from scratch * Fine-tune a pre-trained deep network * hw5 RNN * Feature Extraction using PreTrained Models * Build LSTM Network * hw6 * 3D Pose Estimation * Kalman Filter
评论
    相关推荐