基于图像不变特征深度学习的交通标志分类

针对自然场景下所采集的交通标志存在各种形变,且手工设计提取交通标志不变特征方法需要处理技巧的问题,提出一种自动学习提取交通标志不变特征的道路交通标志分类方法.首先基于慢特征分析的深度学习框架自动学习得到每个阶段的特征映射矩阵;然后基于各阶段特征映射矩阵提取交通标志图像第一阶段特征和第二阶段特征,并将其联合输出作为交通标志的特征;最后使用支持向量机进行交通标志分类.实验结果表明,该方法具有良好的泛化能力,能有效地应用于交通标志分类,所提取的特征具有一定的平移不变和旋转不变性.

基于改进CapsNet的交通标志分类模型

为了解决传统标量卷积网络识别交通标志时容易丢失位置、姿态信息的问题,提出一种基于改进Caps Net的交通标志分类模型。Caps Net由胶囊(capsule)组成,通过动态路由算法对目标实体的特性(颜色、位置、姿态)进行表达和传递,充分保留了图像的空间特征。分析了交通标志特征,并基于德国交通标志数据集GTSRB,与传统卷积神经网络(CNN)识别效果进行了对比。实验表明,基于改进Caps Net的交通标志分类模型识别率高达98.73%且收敛速度更快。

特征融合与PSO优化SVM的交通标志分类

为有效提高交通标志分类的准确度,提出一种基于特征融合与PSO优化支持向量机分类器参数的交通标志分类方法。首先提取标志图像形状的局部HOG特征信息和描述图像粗略轮廓的全局Gist特征信息,采用并行的方式把这两种特征融合;再通过PSO算法优化SVM分类器参数,提高SVM分类器分类性能;最后SVM分类器进行交通标志训练与分类。试验结果表明:本文并行的特征融合与PSO优化SVM参数分类方法精确度比单一的PHOG和Gist特征的交通标志分类方法分别提高9.048%、0.952%,比串行的特征融合方法提高了8.095%。

利用图像超分辨率提升交通标志分类精度研究

为了解决利用卷积神经网络进行交通标志分类时精度低的问题,通过将图像超分辨率网络与分类网络相连接,提出一种超分级联网络结构。首先使用改进的双重注意力机制超分辨率网络作为级联网络的子网络;然后训练图像分类网络,用于对超分辨率处理后的图像进行分类;最后利用分类准确率衡量超分辨率重构对图像分类任务的有效性。模拟和真实交通标志数据集验证结果表明,经过超分辨率处理的图像在分类模型中均取得了更高的分类准确率,证明了超分辨率技术对于交通标志图像分类准确率的提高具有促进作用。

基于压缩卷积神经网络的交通标志分类算法

针对车载计算系统很难满足大型卷积神经网络对计算资源和存储空间需求的问题,提出了一种基于压缩卷积神经网络的交通标志分类算法.首先挑选原始VGG-16和AlexNet在GTSRB数据集上进行分类训练;然后对网络模型进行基于泰勒展开的通道剪枝删除冗余的特征图通道;接着使用三值量化方法对剪枝后的网络模型进行参数量化;最后进行了通道剪枝、参数量化和组合压缩的实验.结果表明:本算法有效地压缩了网络模型,减少了运算次数.最终组合压缩的VGG-16网络模型的存储空间减少一半,参数数量为原始模型的9%,每秒浮点运算次数减少为原始模型的1/5,模型加载速度提升了5倍,测试速度提升了2倍,精度为原始模型的97%.

基于多特征融合的交通标志分类

为有效提高交通标志分类的准确度,提出一种融合全局特征和局部特征的多特征交通标志分类方法。首先提取能够描述标志图像内部纹理信息的局部二值模式(local binary pattern,LBP)特征,再提取能够表示标志图像形状信息的方向梯度直方图(histogram of oriented gradient,HOG)特征和描述图像粗略轮廓信息的全局Gist特征,然后采用线性组合方式,实现特征融合互补,并通过主成分分析(principal components analysis,PCA)法进行数据降维,最后采用支持向量机(support vector machine,SVM)分类器进行交通标志训练与识别。试验结果表明:相对于单一特征的交通标志分类方法,基于多特征融合的算法获得了更高的分类精确度,同时也满足实时性要求。

Twin-SVM和Twin-KSVC标志物检测与分类方法

针对交通标志中禁令标志和指示标志的检测和分类难题,提出一种基于Twin-SVM和Twin-KSVC的交通标志检测与分类方法。对交通标志图像的红色、蓝色和亮度3个通道进行光照归一化处理;在这3个通道上提取Haar-like特征,构建特征向量;采用Twin-SVM方法进行交通标志检测过程的特征训练与验证,采用Twin-KSVC方法进行交通标志分类过程的特征训练与验证。实验采用实测数据对算法进行测试与评价,实验结果表明,该方法可以有效地检测和识别常见的20类禁令和指示交通标志。

军品包装标志的作用与分类

论述了军品包装标志的作用,按不同的方法对军品包装标志进行了科学的分类,并分别进行了具体的阐释,明确了军品包装标志的特点,有助于灵活运用军品包装标志,促进军品防护和信息的准确、快读获取。

云南省区域卫生规划中区域分类标志值的确定方法

目的 建立测算区域分类标志值的公式 ,以便按标志值的大小对全省进行区域划分 ,为按区域分类制定卫生资源配置标准提供依据。方法 采用人均国内生产总值、人口密度、农民年人均纯收入、农业人口比例、婴儿死亡率、传染病发病率和孕产妇死亡率 7个指标来构建综合的区域分类标志指标。结果 区域分类标志指标构造为 :分类标志指标M = 71/I1+ 1/I2 + 1/I3+ 1/I4 + 1/I5+ 1/I6+ 1/I7。据此得到 2 0 0 1年昆明、曲靖、玉溪、昭通、楚雄、红河、文山、思茅、西双版纳、大理、保山、德宏、丽江、怒江、迪庆和临沧的标志值分别为 :73 2 1、42 82、73 70、13 38、48 2 0、5 0 6 4、2 0 91、32 96、6 6 31、42 5 6、34 18、45 71、38 88、36 6 2、35 4 6和 2 1 4 8。结论 本文建立的区域分类标志指标能综合反映各区域的发展水平 ,具有较好的分类作用。

医疗废物分类标志与封袋标志的设计与应用

设计制作医疗废物分类标志和封袋标志,应用于不同区域的医疗废物暂存地。在标志使用前,医疗废物分类和废物封袋的合格率及员工操作合格率分别是44.85%、13.80%及60.80%,使用后分别提高到72.10%、93.40%及85.80%,差异有统计学意义(P<0.05),显著提高了医疗废物分类和废物封袋的合格率及员工操作合格率,将安全提升到最优先地位。

中图分类号不宜用做科技论文的分类标志

从图书分类法的专业性、学术期刊编排的标准化和公众检索文献的实际需要等方面论述科技论文不宜采用中图分类法分类。认为采用学科代码作为科技论文的分类标志较为恰当。

卫生资源配置的区域分类标志值测算方法

该文基于反映经济、文化、人口和健康水平现状及其发展的指标，采用主成分回归的方法建立区域分类标志值的测算公式；据此计算广东省各区域（地级市）的标志值，并按所确定的标准分别将各区域划入相应的类别，为按区域分类制定卫生资源配置标准提供依据。

基于颜色和形状的交通标志检测与分类

本文旨在分析对比现有颜色分割算法的基础上,提出一种基于HSI颜色模型的颜色分割算法,该算法对在不同复杂背景下拍摄的图片,能够分割出人们感兴趣的颜色并排除大部分干扰颜色。在交通标志识别系统应用中,主要提取红、黄、蓝三种颜色,并且算法应能有效地排除其他颜色,尤其是绿色的干扰,可以接受一定的噪声影响。在此基础上,利用形状特征进行交通标志的检测与分类。实验结果表明,系统能实现复杂场景中交通标志的准确定位,但交通标志分类方法仍有待改进。

城市生活垃圾分类标志

1 范围 本标准规定了城市生活垃圾分类标志。 本标准适用于城市生活垃圾分类工作,也适用于有关产品的外包装。2

城市公共交通标志新国际6月1日正式实施——第1部分:总标志和分类标志(摘录)

前言GB/T5845《城市公共交通标志》分为以下部分:第1部分:总标志和分类标志;第2部分:一般图形符号和安全标志;第3部分:公共汽电车站牌和路牌;第4部分:运营工具、站(码头)和线路图形符号;……本部分为GB/T5845的第1部分。

遥感解译标志建立思路研究

针对地理国情普查与监测中遥感解译工作量大、解译难度高,解译工作人员不可能逐一实地核实每一个图斑的具体问题,提出了建立遥感解译标志库辅助作业人员解译的思路,以国情普查遥感解译样本数据库的建立为例,建立遥感影像解译样本标志库,方便遥感解译人员进行准确解译。

辞书条目结构分类区别标志

关于辞书分类体系问题的论述其过于原苏联学者A·M·蔡文的一段精辟论述。他说：“不建立一个包罗万象的，深层的及有发展前途的分类体系，就不可能对某一知识领域的对象进行描写，对比，并使其系统化。

入世后图书馆应推广使用标志符号

图书馆作为一个公共文化场所 ,使用标志符号 ,不但有利于丰富图书馆的文化内涵 ,美化学习环境 ,增添读者学习文化的趣味性 ,而且对图书馆国际化、统一化。

体育文化研究之体育标志

通过查阅文献资料、专家访谈等方法,并用图文并茂的形式对体育运动标志进行,统归类分析,阐述体育标志的功能、特征等相关问题,为人们提供体育标志的欣赏文献资料,充实国内相关体育标志的研究。