Fugu-MT 論文翻訳(概要): Comparing Performance of Preprocessing Techniques for Traffic Sign Recognition Using a HOG-SVM

論文の概要: Comparing Performance of Preprocessing Techniques for Traffic Sign Recognition Using a HOG-SVM

arxiv url: http://arxiv.org/abs/2504.09424v1
Date: Sun, 13 Apr 2025 04:13:12 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-15 16:52:11.157497
Title: Comparing Performance of Preprocessing Techniques for Traffic Sign Recognition Using a HOG-SVM
Title（参考訳）: HOG-SVMを用いた交通信号認識のための前処理技術の比較
Authors: Luis Vieira,
Abstract要約: CLAHE,HUE,YUVなどの技術が分類精度に与える影響について評価した。その結果,特にYUVはHOG-SVM分類器の性能を著しく向上させることがわかった。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This study compares the performance of various preprocessing techniques for Traffic Sign Recognition (TSR) using Histogram of Oriented Gradients (HOG) and Support Vector Machine (SVM) on the German Traffic Sign Recognition Benchmark (GTSRB) dataset. Techniques such as CLAHE, HUE, and YUV were evaluated for their impact on classification accuracy. Results indicate that YUV in particular significantly enhance the performance of the HOG-SVM classifier (improving accuracy from 89.65% to 91.25%), providing insights into improvements for preprocessing pipeline of TSR applications.
Abstract（参考訳）: 本研究では,ドイツの交通信号認識ベンチマーク(GTSRB)データセット上で,Histogram of Oriented Gradients(HOG)とSVM(Support Vector Machine)を用いて,交通信号認識(TSR)のための各種前処理技術の性能を比較した。 CLAHE,HUE,YUVなどの技術が分類精度に与える影響について評価した。結果は、特にYUVはHOG-SVM分類器(精度を89.65%から91.25%に向上)の性能を大幅に向上させ、TSRアプリケーションの前処理パイプラインの改善に関する洞察を与えることを示している。

関連論文リスト

Leveraging Visibility Graphs for Enhanced Arrhythmia Classification with Graph Convolutional Networks [0.11184789007828977]
本研究では,不整脈分類におけるVGとVVGの表現とGCNの併用について検討した。以上の結果より,VGおよびVVGマッピングによりGCNは前処理やノイズ除去を必要とせず,生ECG信号から直接不整脈を分類できることがわかった。
論文参考訳（メタデータ） (2024-04-19T13:24:09Z)
DifAugGAN: A Practical Diffusion-style Data Augmentation for GAN-based Single Image Super-resolution [88.13972071356422]
本稿では,DifAugGAN として知られる GAN ベースの画像超解像法(SR) のための拡散型データ拡張手法を提案する。それは、訓練中の判別器の校正を改善するために、生成拡散モデルに拡散過程を適用することを含む。我々のDifAugGANは、現在のGANベースのSISR手法のプラグ・アンド・プレイ戦略であり、判別器の校正を改善し、SR性能を向上させることができる。
論文参考訳（メタデータ） (2023-11-30T12:37:53Z)
Distillation-guided Representation Learning for Unconstrained Gait Recognition [50.0533243584942]
本研究では,屋外シナリオにおける人間認証のためのGADER(GAit Detection and Recognition)フレームワークを提案する。 GADERは、歩行情報を含むフレームのみを使用する新しい歩行認識手法により識別的特徴を構築する。室内および屋外のデータセットに一貫した改善を示すため,複数の歩行ベースライン(SoTA)について評価を行った。
論文参考訳（メタデータ） (2023-07-27T01:53:57Z)
Learning disentangled representations for explainable chest X-ray classification using Dirichlet VAEs [68.73427163074015]
本研究では,胸部X線像の非絡み合った潜在表現の学習にDirVAE(Dirichlet Variational Autoencoder)を用いることを検討した。 DirVAEモデルにより学習された多モード潜在表現の予測能力について,補助的多ラベル分類タスクの実装により検討した。
論文参考訳（メタデータ） (2023-02-06T18:10:08Z)
Gait Recognition in the Wild: A Large-scale Benchmark and NAS-based Baseline [95.88825497452716]
歩行ベンチマークにより、研究コミュニティは高性能歩行認識システムの訓練と評価を行うことができる。 GREWは、野生における歩行認識のための最初の大規模データセットである。 SPOSGaitはNASベースの最初の歩行認識モデルである。
論文参考訳（メタデータ） (2022-05-05T14:57:39Z)
EMG Signal Classification Using Reflection Coefficients and Extreme Value Machine [2.169919643934826]
本稿では,EMG信号の分類のための高性能アルゴリズムとしてExtreme Value Machineを提案する。自己回帰(AR)モデルから得られた反射係数を用いて分類器の集合を訓練する。
論文参考訳（メタデータ） (2021-06-19T19:12:59Z)
Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文参考訳（メタデータ） (2021-03-22T20:36:34Z)
Unsupervised Doppler Radar-Based Activity Recognition for e-healthcare [1.5749416770494706]
本研究では,ドップラーストリームを用いた人間行動監視のための非監視フレームワークを提案する。前者の場合、Convolutional Variational Autoencoder (CVAE) を使用したエンコードされた機能は、Convolutional Autoencoder (CAE) 機能と比較される。その結果, PCA, SVD, CAEに比べ, CVAE, GLCMが20%以上の精度で優れていた。
論文参考訳（メタデータ） (2021-03-18T18:55:42Z)
Automatic Target Recognition (ATR) from SAR Imaginary by Using Machine Learning Techniques [0.0]
合成開口レーダ(SAR)画像におけるターゲット自動認識(ATR)は、高レベルノイズを含むため、非常に難しい問題となる。本研究では,SAR画像を用いた移動目標と静止目標を機械学習で検出する手法を提案する。
論文参考訳（メタデータ） (2020-09-11T21:27:59Z)
Sensor Data for Human Activity Recognition: Feature Representation and Benchmarking [27.061240686613182]
HAR(Human Activity Recognition)の分野は、監視装置(センサなど)から取得したデータを取得し、分析することに焦点を当てている。我々は、異なる機械学習(ML)技術を用いて、人間のアクティビティを正確に認識する問題に対処する。
論文参考訳（メタデータ） (2020-05-15T00:46:55Z)
Self-Guided Adaptation: Progressive Representation Alignment for Domain Adaptive Object Detection [86.69077525494106]
非教師なしドメイン適応(UDA)は、オブジェクト検出モデルのドメイン間ロバスト性を改善するために前例のない成功を収めた。既存のUDA手法は、モデル学習中の瞬間的なデータ分布を無視しており、大きなドメインシフトによって特徴表現が劣化する可能性がある。本稿では、特徴表現の整合とドメイン間のオブジェクト検出モデルの転送を目標とする自己ガイド適応モデルを提案する。
論文参考訳（メタデータ） (2020-03-19T13:30:45Z)

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。