【文件属性】：
文件名称：matlab编辑照片代码-proxemics-recognition:[CVPR2012]用于识别个人照片中的近义词的Matlab代码
文件大小：184KB
文件格式：ZIP
更新时间：2021-05-28 04:11:32
系统开源
matlab编辑照片代码识别个人照片中的近义词
介绍
这是[1]中描述的Matlab实现的近邻识别。
它包括带有培训，测试，评估和可视化代码的全新数据集。
许多训练和检测代码都建立在灵活的零件混合模型[2]和可变形的零件模型[3]的基础上。
训练代码实现了[4]中描述的二次程序（QP）求解器。
为了说明训练代码的用法，此程序包使用了来自新PROXEMICS数据集的正图像和来自INRIA人员背景数据集的负图像[5]。
我们还包括[6]中新的正确定位的关键点百分比（PCK）评估代码，用于姿势估计的基准评估。
该代码还利用了从Microsoft
Research获得的面部检测结果。
兼容性问题：培训代码可能需要4.5GB的内存。
修改learning/train.m第32/33行以使用更少的内存，但需要更长的训练时间。
致谢：我们衷心感谢以前的代码版本和图像基准测试的作者将它们公开发布。
使用代码
下载和，分别将它们分别放入data/PROXEMICS和data/INRIA
。
或者，您可以简单地在Linux系统中调用bash
download_data.sh
。
启动Matlab（版本>
【文件预览】：
proxemics-recognition-master
----mex_unix()
--------features.cc(6KB)
--------fconv.cc(4KB)
--------dt.cc(4KB)
--------fconvc.cc(4KB)
--------fconvblas.cc(4KB)
--------fconvMT.cc(4KB)
--------reduce.cc(2KB)
--------shiftdt.cc(3KB)
--------fconvcMT.cc(4KB)
--------resize.cc(3KB)
----PROX_demo.m(2KB)
----COPYING(1KB)
----learning()
--------subarray.m(540B)
--------clusterparts.m(885B)
--------def_data.m(600B)
--------PROXSUB_data.m(6KB)
--------score.cc(2KB)
--------qp_opt.m(2KB)
--------initmodel.m(1KB)
--------k_means.m(3KB)
--------sparse2dense.m(212B)
--------qp_one_sparse.cc(8KB)
--------warppos.m(938B)
--------qp_w.m(64B)
--------qp_prune.m(827B)
--------model2vec.m(691B)
--------vec2model.m(588B)
--------trainmodel.m(2KB)
--------qp_write.m(1KB)
--------PROX_data.m(5KB)
--------mergemodels.m(1KB)
--------qp_one.m(4KB)
--------train.m(7KB)
--------croppos.m(572B)
--------buildmodel.m(2KB)
----evaluation()
--------PROX_eval_ap.m(436B)
--------PROX_eval_pck.m(748B)
--------eval_pck.m(273B)
--------VOCap.m(224B)
--------prec_rec.m(8KB)
--------quantile.m(1KB)
----globals.m(9KB)
----PROXSUB_demo.m(2KB)
----README.md(3KB)
----mex_pc()
--------features.cc(6KB)
--------fconv.cc(4KB)
--------dt.cc(3KB)
--------reduce.cc(2KB)
--------shiftdt.cc(4KB)
--------resize.cc(3KB)
----compile.m(665B)
----data()
--------PROXEMICS()
--------INRIA()
----detection()
--------detect.m(11KB)
--------testmodel_face.m(731B)
--------logistK_eval.m(2KB)
--------logistK.m(7KB)
--------testmodel.m(673B)
--------featpyramid.m(2KB)
----.gitignore(34B)
----visualization()
--------showboxes.m(382B)
--------foldHOG.m(193B)
--------visualizeskeleton.m(6KB)
--------showskeletons.m(714B)
--------HOGpicture.m(631B)
--------visualizeHOG.m(482B)
--------visualizemodel.m(2KB)
----download_data.sh(266B)