MétaCan
Menu
Retour à la cohorte
Enregistrement W2789834316 · doi:10.1109/ccwc.2018.8301714

Vehicle make and model recognition using random forest classification for intelligent transportation systems

2018· article· en· W2789834316 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle License Plate Recognition
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésScale-invariant feature transformComputer scienceIntelligent transportation systemHistogramRandom forestHistogram of oriented gradientsFeature extractionArtificial intelligenceCognitive neuroscience of visual object recognitionIntelligent decision support systemMachine learningData miningImage (mathematics)EngineeringTransport engineering

Résumé

récupéré en direct d'OpenAlex

Intelligent Transportation System (ITS) has many real world applications. ITS applications help in better traffic management and enable us to make more secure, intelligent, smart decisions regarding traffic networks. Automatic Surveillance and monitoring is required for many ITS applications. Vehicle Make and Model Recognition (VMMR) can be used to recognize the vehicles' identity. We have designed a Random Forest based VMMR system in this work to identify the Make and Model of a vehicle. The proposed VMMR system is evaluated using a publicly available dataset. Scale Invariant Feature Transform (SIFT) and Histogram of Oriented Gradients (HOG) are used for the representation of vehicle images. The proposed method identifies the vehicles with good recognition rates and results are discussed in this paper.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,563
Score d'incertitude au seuil0,487

Scores Codex et Gemma par catégorie

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

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 Opus0,067
Tête enseignante GPT0,258
Écart entre enseignants0,191 · 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

En bref

Citations23
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVehicle License Plate RecognitionTravaux en français237 207