論文の概要: Improving Road Signs Detection performance by Combining the Features of
Hough Transform and Texture
- arxiv url: http://arxiv.org/abs/2010.06453v1
- Date: Tue, 13 Oct 2020 15:09:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 00:30:55.990722
- Title: Improving Road Signs Detection performance by Combining the Features of
Hough Transform and Texture
- Title（参考訳）: ハフ変換とテクスチャを併用した道路標識検出性能の向上
- Authors: Tarik Ayaou, Mourad Boussaid, Karim Afdel, Abdellah Amghar
- Abstract要約: 現場に存在する道路標識の検出は、交通標識の検出と認識の主要な段階の1つである。
本稿では,アラビア語を含む道路標識検出の効率化を図った。
Hough Transform (RHT) は、円形と八角形の形状を検出するために用いられる。
- 参考スコア（独自算出の注目度）: 5.620334754517149
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the large uses of the intelligent systems in different domains, and in
order to increase the drivers and pedestrians safety, the road and traffic sign
recognition system has been a challenging issue and an important task for many
years. But studies, done in this field of detection and recognition of traffic
signs in an image, which are interested in the Arab context, are still
insufficient. Detection of the road signs present in the scene is the one of
the main stages of the traffic sign detection and recognition. In this paper,
an efficient solution to enhance road signs detection, including Arabic
context, performance based on color segmentation, Randomized Hough Transform
and the combination of Zernike moments and Haralick features has been made.
Segmentation stage is useful to determine the Region of Interest (ROI) in the
image. The Randomized Hough Transform (RHT) is used to detect the circular and
octagonal shapes. This stage is improved by the extraction of the Haralick
features and Zernike moments. Furthermore, we use it as input of a classifier
based on SVM. Experimental results show that the proposed approach allows us to
perform the measurements precision.
- Abstract（参考訳）: 異なるドメインにおけるインテリジェントなシステムの利用が多く、運転者や歩行者の安全を高めるため、道路や交通標識の認識システムは長年にわたり困難な問題であり、重要な課題であった。
しかし、この領域で行われた研究は、アラブの文脈に関心のある画像における交通標識の検出と認識にはまだ不十分である。
現場に存在する道路標識の検出は、交通標識の検出と認識の主要な段階の1つである。
本稿では,アラビア語の文脈,色セグメンテーションに基づく性能,ランダム化ハフ変換,ゼルニケモーメントとハラリック特徴の組合せによる道路標識検出の効率的な解法を提案する。
セグメンテーション段階は、画像中の関心領域(ROI)を決定するのに有用である。
ランダム化ハフ変換(RHT)は、円形と八角形の形状を検出するために用いられる。
この段階はハラリック特徴とゼルニケモーメントの抽出によって改善される。
さらに,SVMに基づく分類器の入力として利用する。
実験の結果,提案手法によって測定精度が向上できることが示唆された。
関連論文リスト
- Cross-domain Few-shot In-context Learning for Enhancing Traffic Sign Recognition [49.20086587208214]
交通信号認識の強化を目的としたMLLMに基づくドメイン間数ショットインコンテキスト学習手法を提案する。
記述テキストを使用することで、テンプレートと実際の交通標識のドメイン間差を低減することができる。
提案手法は,大規模交通標識画像やラベルを必要とせず,単純かつ均一なテキスト表示のみを必要とする。
論文 参考訳（メタデータ） (2024-07-08T10:51:03Z) - Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。
本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。
カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
論文 参考訳（メタデータ） (2024-04-11T10:26:40Z) - A Transformer Model for Boundary Detection in Continuous Sign Language [55.05986614979846]
Transformerモデルは、分離された手話認識と連続手話認識の両方に使用される。
トレーニングプロセスは、入力されたビデオから抽出された手指キーポイントの特徴を豊かにする、孤立した手指ビデオを使用する。
トレーニングされたモデルと後処理の手法が組み合わさって、連続した手話ビデオ内の孤立した手話境界を検出する。
論文 参考訳（メタデータ） (2024-02-22T17:25:01Z) - Efficient Vision Transformer for Accurate Traffic Sign Detection [0.0]
本研究では,自動運転車や運転支援システムにおける交通標識検出の課題について論じる。
この課題に対処するため、Transformerモデル、特にVision Transformerの派生版が導入された。
本研究はトランスフォーマーモデルの効率を高めるために,局所性帰納バイアスとトランスフォーマーモジュールを統合する新しい戦略を提案する。
論文 参考訳（メタデータ） (2023-11-02T17:44:32Z) - A Deeply Supervised Semantic Segmentation Method Based on GAN [9.441379867578332]
提案モデルは,GAN(Generative Adversarial Network)フレームワークを従来のセマンティックセグメンテーションモデルに統合する。
本手法の有効性は,道路ひび割れデータセットの性能向上によって実証された。
論文 参考訳（メタデータ） (2023-10-06T08:22:24Z) - Perspective Aware Road Obstacle Detection [104.57322421897769]
道路障害物検出技術は,車間距離が大きくなるにつれて障害物の見かけの規模が減少するという事実を無視することを示す。
画像位置毎に仮想物体の見かけの大きさを符号化したスケールマップを演算することでこれを活用できる。
次に、この視点マップを利用して、遠近法に対応する大きさの道路合成物体に注入することで、トレーニングデータを生成する。
論文 参考訳（メタデータ） (2022-10-04T17:48:42Z) - Pyramid Transformer for Traffic Sign Detection [1.933681537640272]
本稿では,局所性を考慮した新しいピラミッドトランスを提案する。
具体的には、Mraamid Transformerには、複数の空間ピラミッド縮小層があり、入力画像をリッチなマルチスケールコンテキストでトークンに縮小して埋め込む。
実験はドイツ交通信号検出ベンチマーク(GTSDB)で実施された。
論文 参考訳（メタデータ） (2022-07-13T09:21:19Z) - Detect and Locate: A Face Anti-Manipulation Approach with Semantic and
Noise-level Supervision [67.73180660609844]
本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。
提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。
提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
論文 参考訳（メタデータ） (2021-07-13T02:59:31Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z) - Enhancing road signs segmentation using photometric invariants [8.40756198992055]
自然界における道路標識の検出と認識は、インテリジェントトランスポートシステムの設計における最も重要なタスクの1つである。
本稿では,光度不変量に基づく道路標識セグメンテーションの効率的なap-proachを提案する。
論文 参考訳（メタデータ） (2020-10-26T18:59:06Z) - Detecting Lane and Road Markings at A Distance with Perspective
Transformer Layers [5.033948921121557]
既存の手法では、検出精度は距離の増大とともに劣化することが多い。
これは、遠車線や道路標識が画像中の少数のピクセルを占有しているためである。
逆のパースペクティブマッピングは、パースペクティブの歪みを取り除くために使用できるが、本質的にはアーティファクトに繋がる可能性がある。
論文 参考訳（メタデータ） (2020-03-19T03:22:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。