行人检测

我们提供了用于行人检索的SVDNet源码。该程序包含了使用shell和matlab脚本编写的训练代码。安装了caffe及其matlab绑定后，您可以立即开始使用，适用于学术研究。详细设置和训练步骤如下：步骤0：编译caffe的主分支。签出Caffe的master分支并在您的计算机上进行编译，确保安装matlab绑定。步骤1：克隆存储库并将文件复制到您的工作目录中。步骤2：使用caffenet或resnet进行进一步的配置和实验。

Matlab环境下的LAD算法被应用于人脸识别领域。

人脸识别的主成分分析在Matlab开发中应用广泛，其中GPCA技术被用来识别人脸。

MindSpark Hackathon 2018利用MCNN在ShanghaiTech数据集上进行人群计数。这是CVPR 2016论文“通过多列卷积神经网络进行单图像人群计数”的非正式实施。预测工作正在进行中，同时进行热图生成。安装Tensorflow、Keras和OpenCV，并克隆此存储库以使用预训练模型。您可以从以下位置下载ShanghaiTech数据集：投寄箱：//www.dropbox.com/s/fipgjqxl7uj8hd5/ShanghaiTech.zip dl

这是用差分编码实现的Matlab代码，用于对人员重新识别进行重新排序。该代码支持论文“使用k倒数编码对人员重新识别进行重新排序”中描述的IDE基准重新排序，适用于CUHK03的新培训/测试协议。如果您在研究中使用此代码，请参考以下引用：@article{zhong2017re, title={Re-ranking Person Re-identification with k-reciprocal Encoding}, author={Zhong, Zhun and Zheng, Liang and Cao, Donglin and Li, Shaozi}, booktitle={CVPR}, year={2017}}。该方法受到参考文献[2]的邻居编码方法启发。

RESHAPEC与MATLAB内置的RESHAPE有所不同，它按列-行顺序更改矩阵的大小。特别是，RESHAPEC将ND转换为2D矩阵，以便更易读和保存，符合MATLAB的显示约定。请参考帮助文件以获取更多支持、解释和示例。

在Matlab命令窗口中粘贴并执行文本，可用于共同学习。

高维数据的异常探测方法由Aggarwal和Yu (SIGMOD’2001)提出。该方法将高维数据集映射到低维子空间，通过评估子空间中数据的稀疏性来识别异常数据。

提供了易懂的椭圆检测程序，只需运行 zuihoubanben.m 即可在测试图像上生成结果。程序参数可根据需要进行自定义以处理自己的图像，特别适合检测大小相似的多个椭圆。

发现已锁定的进程