MétaCan
Menu
Retour à la cohorte
Enregistrement W2026595084 · doi:10.1109/tits.2012.2234119

Potential Accuracy of Traffic Signs' Positions Extracted From Google Street View

2013· article· en· W2026595084 sur OpenAlexaff
Wai Yeung Yan, Ahmed Shaker, Said M. Easa

Notice bibliographique

RevueIEEE Transactions on Intelligent Transportation Systems · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAutomated Road and Building Extraction
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesGoogle
Mots-clésCoordinate systemSign (mathematics)Computer visionMean squared errorTransformation (genetics)Traffic signComputer scienceArtificial intelligenceMathematicsStatisticsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

This work demonstrates the potential use of Google Street View (GSV) in engineering measurements. An investigation was conducted to assess the geopositioning accuracy of traffic signs extracted from GSV. A direct linear transformation (DLT) model is used to establish the relationship between the GSV image coordinate system and the ground coordinate system with the aid of ground control points (GCPs). The ground coordinates of the traffic sign can be retrieved by using the solved DLT coefficients. It is found that the root-mean-square (RMS) error of the extracted traffic sign's location is less than 1 m in general. By increasing the number of GSV images and GCPs, the RMS error can be further reduced to 0.5 m or less. This preliminary study demonstrates a viable solution to extract the location of traffic signs from GSV.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,223
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Intelligent Transportation SystemsMême sujetAutomated Road and Building ExtractionTravaux en français237 207