文件名称：二抽取代码MATLAB-Visual-Search-Difficulty:视觉搜索难度预测模型（Python实现）
文件大小：2.5MB
文件格式：ZIP
更新时间：2024-06-15 06:10:50
系统开源
二摘代码MATLAB 视觉搜索困难 这个回购是本文提出的python版本。 最初的实现是Matlab代码。 相依性 特征提取使用Caffe模型，例如VGG-f 。 因此，请先准备Caffe python接口。 回归模型使用nu-SVR （来自基于libsvm的sklearn）。 数据集：VOC2012 用法 下载BMVC-2014论文的VGG_CNN_F模型：“细节中的魔鬼回归：深入研究卷积网络”。 计算PASCAL VOC 2012中所有图像的CNN特征。从特征向量生成成对内核矩阵。 运行getFeature.py 训练和测试回归模型 火车： SVR.py 测试： getScore.py 可以像在论文中Optimizing the Trade-off between Single-Stage and Two-Stage Object Detectors using Image Difficulty Prediction （） Optimizing the Trade-off between Single-Stage and Two-Stage Object Detectors usi
【文件预览】：
Visual-Search-Difficulty-master
----.gitignore(35B)
----LICENSE.md(34KB)
----getScore.py(6KB)
----ext_utils.py(687B)
----trainval.txt(135KB)
----SVR.py(2KB)
----VSD_dataset.csv(237KB)
----image-difficulty.png(1.41MB)
----VGG-f()
--------VGG_CNN_F_deploy.prototxt(3KB)
--------VGG_CNN_F_deploy.prototxt.bak(3KB)
--------VGG_mean.mat(479KB)
--------VGG_mean.binaryproto(588KB)
----README.md(2KB)
----VSD_dataset.mat(95KB)
----README.txt(2KB)
----getFeature.py(6KB)