Implementation of the Laplacian of Gaussian Algorithm in Edge Detection Image Processing of Zebra Cross Damage on Highways in the Langkat Regency Area
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.
Notice bibliographique
Résumé
Walking is part of the traveler's movement and is the simplest means of transportation, but it is in a weak position and prone to conflict or accidents when they mix with other modes of transportation. To protect pedestrians, special facilities are needed, one of which is a crossing place (zebra crossing) that is able to serve according to pedestrian needs. Based on Law No. 22 of 2009 concerning Traffic Polytechnic Land Transportation Bali 46 Cross and Road Transportation, article 131 paragraph (2), it is stated that "Pedestrians are entitled to priority when crossing the road at the crosswalk". One of the important meanings for human life is the Way. Roads are used as a means of transportation that has a very useful role in efforts to develop human life. In 2018, based on statistical data, the number of motorized vehicle users in Indonesia is increasing every year to reach 146,858,759 units. The impact that occurs is that there are many Zebra Cross roads damaged with conditions that are very troubling and worrying for road users. Among the causes of zebra crossing being damaged will be traffic accidents where the vehicle does not lag obeying the path of the vehicle following the predetermined lane. So this study detects image processing with the Laplacian of Gaussian algorithm with edge detection making it easier for the government to improve traffic signs of zebra crossing images on highways that are worthy of improvement so that accidents do not occur. The results of this study illustrate the image of being able to see damaged zebra crossings with calculations of the Laplacian of Gaussian algorithm.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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