% VL_DEMO_SVM Demo: SVM: 2D linear learning
│ │ │ function vl_demo_svm
│ │ │ y=[];X=[];
│ │ │
│ │ │ % Load training data X and their labels y
│ │ │ load('vl_demo_svm_data.mat')
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/helptoc.xml.gz
│ │ │ ├── helptoc.xml
│ │ │ │ ├── helptoc.xml
│ │ │ │ │ @@ -7,47 +7,14 @@
│ │ │ │ │ vl_compile
│ │ │ │ │ vl_demo
│ │ │ │ │ vl_harris
│ │ │ │ │ vl_help
│ │ │ │ │ vl_noprefix
│ │ │ │ │ vl_root
│ │ │ │ │ vl_setup
│ │ │ │ │ - vl_vlad
│ │ │ │ │ - vl_ddgaussian
│ │ │ │ │ - vl_dgaussian
│ │ │ │ │ - vl_dsigmoid
│ │ │ │ │ - vl_gaussian
│ │ │ │ │ - vl_rcos
│ │ │ │ │ - vl_sigmoid
│ │ │ │ │ - vl_slic
│ │ │ │ │ - vl_flatmap
│ │ │ │ │ - vl_imseg
│ │ │ │ │ - vl_quickseg
│ │ │ │ │ - vl_quickshift
│ │ │ │ │ - vl_quickvis
│ │ │ │ │ - vl_cf
│ │ │ │ │ - vl_click
│ │ │ │ │ - vl_clickpoint
│ │ │ │ │ - vl_clicksegment
│ │ │ │ │ - vl_det
│ │ │ │ │ - vl_figaspect
│ │ │ │ │ - vl_linespec2prop
│ │ │ │ │ - vl_plotbox
│ │ │ │ │ - vl_plotframe
│ │ │ │ │ - vl_plotgrid
│ │ │ │ │ - vl_plotpoint
│ │ │ │ │ - vl_plotstyle
│ │ │ │ │ - vl_pr
│ │ │ │ │ - vl_printsize
│ │ │ │ │ - vl_roc
│ │ │ │ │ - vl_tightsubplot
│ │ │ │ │ - vl_tpfp
│ │ │ │ │ - vl_erfill
│ │ │ │ │ - vl_ertr
│ │ │ │ │ - vl_mser
│ │ │ │ │ vl_alldist2
│ │ │ │ │ vl_alphanum
│ │ │ │ │ vl_argparse
│ │ │ │ │ vl_binsearch
│ │ │ │ │ vl_binsum
│ │ │ │ │ vl_colsubset
│ │ │ │ │ vl_cummax
│ │ │ │ │ @@ -76,21 +43,45 @@
│ │ │ │ │ vl_svmpegasos
│ │ │ │ │ vl_svmtrain
│ │ │ │ │ vl_threads
│ │ │ │ │ vl_twister
│ │ │ │ │ vl_version
│ │ │ │ │ vl_whistc
│ │ │ │ │ vl_xmkdir
│ │ │ │ │ - vl_hikmeans
│ │ │ │ │ - vl_hikmeanshist
│ │ │ │ │ - vl_hikmeanspush
│ │ │ │ │ - vl_ikmeans
│ │ │ │ │ - vl_ikmeanshist
│ │ │ │ │ - vl_ikmeanspush
│ │ │ │ │ - vl_kmeans
│ │ │ │ │ + vl_vlad
│ │ │ │ │ + vl_aib
│ │ │ │ │ + vl_aibcut
│ │ │ │ │ + vl_aibcuthist
│ │ │ │ │ + vl_aibcutpush
│ │ │ │ │ + vl_aibhist
│ │ │ │ │ + vl_cf
│ │ │ │ │ + vl_click
│ │ │ │ │ + vl_clickpoint
│ │ │ │ │ + vl_clicksegment
│ │ │ │ │ + vl_det
│ │ │ │ │ + vl_figaspect
│ │ │ │ │ + vl_linespec2prop
│ │ │ │ │ + vl_plotbox
│ │ │ │ │ + vl_plotframe
│ │ │ │ │ + vl_plotgrid
│ │ │ │ │ + vl_plotpoint
│ │ │ │ │ + vl_plotstyle
│ │ │ │ │ + vl_pr
│ │ │ │ │ + vl_printsize
│ │ │ │ │ + vl_roc
│ │ │ │ │ + vl_tightsubplot
│ │ │ │ │ + vl_tpfp
│ │ │ │ │ + vl_fisher
│ │ │ │ │ + vl_gmm
│ │ │ │ │ + vl_flatmap
│ │ │ │ │ + vl_imseg
│ │ │ │ │ + vl_quickseg
│ │ │ │ │ + vl_quickshift
│ │ │ │ │ + vl_quickvis
│ │ │ │ │ + vl_slic
│ │ │ │ │ vl_dwaffine
│ │ │ │ │ vl_imarray
│ │ │ │ │ vl_imarraysc
│ │ │ │ │ vl_imdisttf
│ │ │ │ │ vl_imdown
│ │ │ │ │ vl_imgrad
│ │ │ │ │ vl_imintegral
│ │ │ │ │ @@ -107,21 +98,30 @@
│ │ │ │ │ vl_tpsu
│ │ │ │ │ vl_waffine
│ │ │ │ │ vl_witps
│ │ │ │ │ vl_wtps
│ │ │ │ │ vl_xyz2lab
│ │ │ │ │ vl_xyz2luv
│ │ │ │ │ vl_xyz2rgb
│ │ │ │ │ - vl_gmm
│ │ │ │ │ + vl_erfill
│ │ │ │ │ + vl_ertr
│ │ │ │ │ + vl_mser
│ │ │ │ │ + vl_ddgaussian
│ │ │ │ │ + vl_dgaussian
│ │ │ │ │ + vl_dsigmoid
│ │ │ │ │ + vl_gaussian
│ │ │ │ │ + vl_rcos
│ │ │ │ │ + vl_sigmoid
│ │ │ │ │ + vl_hikmeans
│ │ │ │ │ + vl_hikmeanshist
│ │ │ │ │ + vl_hikmeanspush
│ │ │ │ │ + vl_ikmeans
│ │ │ │ │ + vl_ikmeanshist
│ │ │ │ │ + vl_ikmeanspush
│ │ │ │ │ + vl_kmeans
│ │ │ │ │ vl_hat
│ │ │ │ │ vl_ihat
│ │ │ │ │ vl_irodr
│ │ │ │ │ vl_rodr
│ │ │ │ │ - vl_fisher
│ │ │ │ │ - vl_aib
│ │ │ │ │ - vl_aibcut
│ │ │ │ │ - vl_aibcuthist
│ │ │ │ │ - vl_aibcutpush
│ │ │ │ │ - vl_aibhist
│ │ │ │ │
│ │ │ │ │
│ │ │ │ │
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/matlab.html
│ │ │┄ Ordering differences only
│ │ │ @@ -65,40 +65,40 @@
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ +
MISC
│ │ │
VLAD
│ │ │ - vl_vlad VLAD feature encoding
│ │ │ -
SPECIAL
│ │ │ -
SLIC
│ │ │ -
QUICKSHIFT
│ │ │ -- vl_flatmap Flatten a tree, assigning the label of the root to each node
- vl_imseg Color an image based on the segmentation
- vl_quickseg Produce a quickshift segmentation of a grayscale or color image
- vl_quickshift Quick shift image segmentation
- vl_quickvis Create an edge image from a Quickshift segmentation.
│ │ │ +
AIB
│ │ │
PLOTOP
│ │ │ +
FISHER
│ │ │ +- vl_fisher Fisher vector feature encoding
│ │ │ +
GMM
│ │ │ +- vl_gmm Learn a Gaussian Mixture Model using EM
│ │ │ +
QUICKSHIFT
│ │ │ +- vl_flatmap Flatten a tree, assigning the label of the root to each node
- vl_imseg Color an image based on the segmentation
- vl_quickseg Produce a quickshift segmentation of a grayscale or color image
- vl_quickshift Quick shift image segmentation
- vl_quickvis Create an edge image from a Quickshift segmentation.
│ │ │ +
SLIC
│ │ │ +
IMOP
│ │ │
MSER
│ │ │ - vl_erfill Fill extremal region
- vl_ertr Transpose exremal regions frames
- vl_mser Maximally Stable Extremal Regions
│ │ │ -
MISC
│ │ │ +
SPECIAL
│ │ │
KMEANS
│ │ │ -
IMOP
│ │ │ -
GMM
│ │ │ -- vl_gmm Learn a Gaussian Mixture Model using EM
│ │ │
GEOMETRY
│ │ │ -
FISHER
│ │ │ -- vl_fisher Fisher vector feature encoding
│ │ │ -
AIB
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_aib.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │
Documentation>MATLAB API>AIB - vl_aib
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ PARENTS = VL_AIB(PCX) runs Agglomerative Information Bottleneck
│ │ │ (AIB) on the class-feature co-occurrence matrix PCX and returns a
│ │ │ vector PARENTS representing the sequence of compressed AIB
│ │ │ alphabets.
│ │ │
│ │ │ PCX is the joint probability of the occurrence of the class label
│ │ │ C and the feature value X. PCX has one row for each class label
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_aibhist.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>AIB - vl_aibhist
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ H = VL_AIBHIST(PARENTS, DATA) computes the histogram of the data
│ │ │ points DATA on the VL_AIB tree defined by PARENTS. Each element of
│ │ │ DATA indexes one of the leaves of the VL_AIB tree.
│ │ │
│ │ │ H = VL_AIBHIST(PARENTS, DATA, 'HIST') treats DATA as an histograms.
│ │ │ In this case each compoment of DATA is the number of occurences of
│ │ │ the VL_AIB leaves corresponding to that component.
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_alldist2.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>MISC - vl_alldist2
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ D = VL_ALLDIST2(X,Y) returns the pairwise distance matrix D of the
│ │ │ columns of S1 and S2, yielding
│ │ │
│ │ │ D(i,j) = sum (X(:,i) - Y(:,j)).^2
│ │ │
│ │ │ VL_ALLDIST2(X) returns the pairwise distance matrix fo the columns of
│ │ │ S, yielding
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_cf.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>PLOTOP - vl_cf
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ VL_CF() creates a copy of the current figure and returns VL_CF(H0)
│ │ │ creates a copy of the figure(s) whose handle is H0. H =
│ │ │ VL_CF(...) returns the handles of the copies.
│ │ │
│ │ │ See also: VL_HELP().
│ │ │
│ │ │
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_ddgaussian.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │
Documentation>MATLAB API>SPECIAL - vl_ddgaussian
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ Y=VL_DDGAUSSIAN(X) computes the second derivative of the standard
│ │ │ Gaussian density.
│ │ │
│ │ │ To obtain the second derivative of the Gaussian density of
│ │ │ standard deviation S, do
│ │ │
│ │ │ Y = 1/S^3 * VL_DDGAUSSIAN(X/S) .
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_dwaffine.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>IMOP - vl_dwaffine
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ [DWX,DWY]=VL_DWAFFINE(X,Y) returns the derivative of the 2-D affine
│ │ │ warp [WX; WY] = [A T] [X; Y] with respect to the parameters A,T
│ │ │ computed at points X,Y.
│ │ │
│ │ │ See also: VL_WAFFINE(), VL_HELP().
│ │ │
│ │ │
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_erfill.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │
Documentation>MATLAB API>MSER - vl_erfill
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ MEMBERS=VL_ERFILL(I,ER) returns the list MEMBERS of the pixels which
│ │ │ belongs to the extremal region represented by the pixel ER.
│ │ │
│ │ │ The selected region is the one that contains pixel ER and of
│ │ │ intensity I(ER).
│ │ │
│ │ │ I must be of class UINT8 and ER must be a (scalar) index of the
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_fisher.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>FISHER - vl_fisher
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ ENC = VL_FISHER(X, MEANS, COVARIANCES, PRIORS) computes the Fisher
│ │ │ vector encoding of the vectors X relative to the Gaussian mixture
│ │ │ model with means MEANS, covariances COVARIANCES, and prior mode
│ │ │ probabilities PRIORS.
│ │ │
│ │ │ X has one column per data vector (e.g. a SIFT descriptor), and
│ │ │ MEANS and COVARIANCES one column per GMM component (covariance
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_flatmap.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>QUICKSHIFT - vl_flatmap
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ [LABELS CLUSTERS] = VL_FLATMAP(MAP) labels each tree of the forest contained
│ │ │ in MAP. LABELS contains the linear index of the root node in MAP, CLUSTERS
│ │ │ instead contains a label between 1 and the number of clusters.
│ │ │
│ │ │ See also: VL_HELP().
│ │ │
│ │ │
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_gmm.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │
Documentation>MATLAB API>GMM - vl_gmm
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ [MEANS, COVARIANCES, PRIORS] = VL_GMM(X, NUMCLUSTERS) fits a GMM with
│ │ │ NUMCLUSTERS components to the data X. Each column of X represent a
│ │ │ sample point. X may be either SINGLE or DOUBLE. MEANS, COVARIANCES, and
│ │ │ PRIORS are respectively the means, the diagonal covariances, and
│ │ │ the prior probabilities of the Guassian modes. MEANS and COVARIANCES
│ │ │ have the same number of rows as X and NUMCLUSTERS columns with one
│ │ │ column per mode. PRIORS is a row vector with NUMCLUSTER entries
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_hat.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>GEOMETRY - vl_hat
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ H = VL_HAT(OM) returns the skew symmetric matrix by taking the "hat"
│ │ │ of the 3D vector OM.
│ │ │
│ │ │ See also: VL_IHAT(), VL_HELP().
│ │ │
│ │ │
│ │ │
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_hikmeans.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │
Documentation>MATLAB API>KMEANS - vl_hikmeans
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ [TREE,ASGN] = VL_HIKMEANS(DATA,K,NLEAVES) applies integer K-menas
│ │ │ recursively to cluster the data DATA, returing a structure TREE
│ │ │ representing the clusters and a vector ASGN with the data to
│ │ │ cluster assignments. The depth of the recursive partition is
│ │ │ computed so that at least NLEAVES are generated.
│ │ │
│ │ │ VL_HIKMEANS() is built on top of VL_IKMEANS() and requires the
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_kmeans.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>KMEANS - vl_kmeans
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ [C, A] = VL_KMEANS(X, NUMCENTERS) clusters the columns of the
│ │ │ matrix X in NUMCENTERS centers C using k-means. X may be either
│ │ │ SINGLE or DOUBLE. C has the same number of rows of X and NUMCENTER
│ │ │ columns, with one column per center. A is a UINT32 row vector
│ │ │ specifying the assignments of the data X to the NUMCENTER
│ │ │ centers.
│ │ │
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_mser.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>MSER - vl_mser
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ R=VL_MSER(I) computes the Maximally Stable Extremal Regions (MSER)
│ │ │ [1] of image I with stability threshold DELTA. I is any array of
│ │ │ class UINT8. R is a vector of region seeds.
│ │ │
│ │ │ A (maximally stable) extremal region is just a connected component
│ │ │ of one of the level sets of the image I. An extremal region can
│ │ │ be recovered from a seed X as the connected component of the level
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_quickvis.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>QUICKSHIFT - vl_quickvis
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ IEDGE = VL_QUICKVIS(I, RATIO, KERNELSIZE, MAXDIST, MAXCUTS) creates an edge
│ │ │ stability image from a Quickshift segmentation. RATIO controls the tradeoff
│ │ │ between color consistency and spatial consistency (See VL_QUICKSEG) and
│ │ │ KERNELSIZE controls the bandwidth of the density estimator (See VL_QUICKSEG,
│ │ │ VL_QUICKSHIFT). MAXDIST is the maximum distance between neighbors which
│ │ │ increase the density.
│ │ │
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_rodr.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>GEOMETRY - vl_rodr
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ R = VL_RODR(OM) where OM a 3-dimensional column vector computes the
│ │ │ Rodrigues' formula of OM, returning the rotation matrix R =
│ │ │ expm(vl_hat(OM)).
│ │ │
│ │ │ [R,DR] = VL_RODR(OM) computes also the derivative of the Rodrigues
│ │ │ formula. In matrix notation this is the expression
│ │ │
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_setup.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>vl_setup
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ PATH = VL_SETUP() adds the VLFeat Toolbox to MATLAB path and
│ │ │ returns the path PATH to the VLFeat package.
│ │ │
│ │ │ VL_SETUP('NOPREFIX') adds aliases to each function that do not
│ │ │ contain the VL_ prefix. For example, with this option it is
│ │ │ possible to use SIFT() instead of VL_SIFT().
│ │ │
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_sigmoid.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>SPECIAL - vl_sigmoid
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ Y = VL_SIGMOID(X) returns
│ │ │
│ │ │ Y = 1 ./ (1 + EXP(X)) ;
│ │ │
-
│ │ │ Remark
│ │ │
│ │ │ Useful properties of the sigmoid function are:
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_slic.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>SLIC - vl_slic
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ SEGMENTS = VL_SLIC(IM, REGIONSIZE, REGULARIZER) extracts the SLIC
│ │ │ superpixes [1] from image IM. REGIONSIZE is the starting size of
│ │ │ the superpixels and REGULARIZER is the trades-off appearance for
│ │ │ spatial regularity when clustering (a larger value results in more
│ │ │ spatial regularization). SEGMENTS is a UINT32 array containing the
│ │ │ superpixel identifier for each image pixel.
│ │ │
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_tpfp.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>PLOTOP - vl_tpfp
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_vlad.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │
Documentation>MATLAB API>VLAD - vl_vlad
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ ENC = VL_VLAD(X, MEANS, ASSIGNMENTS) computes the VLAD
│ │ │ encoding of the vectors X relative to cluster centers MEANS and
│ │ │ vector-to-cluster soft assignments ASSIGNMENTS.
│ │ │
│ │ │ X has one column per data vector (e.g. a SIFT descriptor), and
│ │ │ MEANS has one column per component. Usually one has one component
│ │ │ per KMeans cluster and MEANS are the KMeans centers. X and MEANS
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_xmkdir.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>MISC - vl_xmkdir
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ VL_XMKDIR(PATH) creates all directory specified by PATH if they
│ │ │ do not exist (existing directories are skipped).
│ │ │
│ │ │ The function is meant as a silent replacement of MATLAB's builtin
│ │ │ MKDIR() function. It can also be used to show more clearly what
│ │ │ directories are or would be created by the command.
│ │ │
│ │ ├── ./usr/share/doc/libvlfeat-dev/doc/matlab/vl_xyz2rgb.html
│ │ │ @@ -62,15 +62,15 @@
│ │ │ Documentation>MATLAB API>IMOP - vl_xyz2rgb
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │
│ │ │ -
│ │ │ +
│ │ │ J = VL_XYZ2RGB(I) the XYZ image I in RGB format.
│ │ │
│ │ │ VL_XYZ2RGB(I,WS) uses the RGB workspace WS. WS is a string in
│ │ │