《表2 SDF不同标签类别数目下实验结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于结构化学习的车辆行为分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

关于轮廓相似对比评估方式，直接调用OpenCV[14]框架中的matchShape（）方法，该方法使用Hu矩进行轮廓匹配，Hu矩值越小，表明两个形状或轮廓匹配越好，即相似度越高．本文将阈值设定为0.2，即计算出的Hu矩值小于0.2的预测结构化标签都属于转弯角度信息预测比较准确的结果．在表2中，首先观察到识别准确率随着类别数增加呈现下降的趋势，这是因为聚成多类别时，至少有2个类别是非常相似的，所以机器容易分错．此时不能简单地从准确率的数值来评价SDF性能的好坏．其次，再测试集大小为99张图像上的测试结果，轮廓相似的预测结果个数是随着类别数增加而逐渐增加的，这表明在车辆行为分析中使用结构化标签，即关注到车辆转弯角度大小，是具有实际意义和实用价值的．