基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高交通标志的识别速度,提出了一种样本类中间值结合均值的的2DPCA.该方法采用每类训练样本中间值的均值代替训练样本的平均值,以此重建散布矩阵从而得到最优投影矩阵.在已经建立的两个交通标志图像集上用该方法进行了实验,结果表明新方法识别速度得到了大幅提升并且取得了较高的识别率.
推荐文章
基于微控制器改进SqueezeNet交通标志识别的研究
交通标志识别
微控制器
CMSIS-NN
改进SqueezeNet
基于BP神经网络的2DPCA人脸识别算法
人脸识别
2DPCA
BP神经网络
图像预处理
基于改进YOLOV4模型的交通标志识别研究
交通标志识别
高清街景图像
注意力机制
增强感受野
基于深度学习的交通标志识别算法研究
交通标志识别
深度学习
卷积神经网络
TSR_Lenet
算法融合
实验对比
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进2DPCA的快速交通标志识别法
来源期刊 工业控制计算机 学科
关键词 交通标志识别 二维主成分分析 类内中间值 特征提取
年,卷(期) 2012,(10) 所属期刊栏目 软件与仿真
研究方向 页码范围 78-79,109
页数 3页 分类号
字数 2510字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 谢文彪 长沙理工大学电气与信息工程学院 8 72 5.0 8.0
2 杨安平 长沙理工大学电气与信息工程学院 4 13 2.0 3.0
6 王睿 长沙理工大学电气与信息工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (44)
共引文献  (66)
参考文献  (10)
节点文献
引证文献  (2)
同被引文献  (6)
二级引证文献  (3)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(7)
  • 参考文献(1)
  • 二级参考文献(6)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(6)
  • 参考文献(1)
  • 二级参考文献(5)
2007(6)
  • 参考文献(1)
  • 二级参考文献(5)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(3)
  • 参考文献(3)
  • 二级参考文献(0)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
交通标志识别
二维主成分分析
类内中间值
特征提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
工业控制计算机
月刊
1001-182X
32-1764/TP
大16开
南京市龙蟠路173号江苏省计算技术研究所
28-60
1988
chi
出版文献量(篇)
13243
总下载数(次)
60
总被引数(次)
46621
论文1v1指导