binaryFeatures

对象，用于存储二进制特征矢量

扩大所有页面

描述

该对象提供到传递之间的数据的能力extractFeatures和matchFeatures功能。它也可以用来操纵和阴谋返回的数据extractFeatures。

创建

句法

特征= binaryFeatures（featureVectors）
特征= binaryFeatures（featureVectors，名称，值）

描述

例

特征= binaryFeatures（featureVectors）构建一个binaryFeatures从对象中号-通过-ñ输入矩阵，featureVectors。该基质含有中号特征向量存储在ñUINT8容器。

特征= binaryFeatures（featureVectors，名称，值）使用由一个或多个指定的附加选项名称，值对参数。

输入参数

展开全部

输入特征向量，指定为中号-通过-ñ输入矩阵。该基质含有中号存储在二进制特征矢量ñUINT8容器。

属性

展开全部

输入特征向量，保存为中号-通过-ñ输入矩阵。该基质含有中号存储在二进制特征矢量ñUINT8容器。

每个功能位，保存为一个整数的数量。NUMBITS等于UINT8特征矢量容器倍8的数量。

包含在特征向量的数量binaryFeatures对象，保存为一个正整数。

例子

全部收缩

开立真实脚本

输入特征向量。

功能1 = binaryFeatures（UINT8（[1 8 7 2; 8 1 7 2]））;功能2 = binaryFeatures（UINT8（[8 1 7 2 1 8 7 2]））;

符合使用该汉明距离的矢量。

[indexPairs matchMetric] = matchFeatures（功能1，功能2）
indexPairs =2×2矩阵UINT321 2 2 1
matchMetric =2×1单列向量0 0

扩展功能

C / C ++代码生成
生成使用MATLAB®编码器™C和C ++代码。

也可以看看

||

介绍了在R2013a

计算机视觉工具箱文档

金宝app

用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书