相关向量机及应用.ppt

1 1 Presentation © 2012 BJTU BEIJING JIAOTONG UNIVERSITY 相关向量机理论及其应用 Relevance Vector Machine and its application 姚畅 北京交通大学 2013-4-13 烘姻扑挝幽训州姑镁炼瀑粕欠渴枯恫语澳列附莫猪椎罩雍庸泳眠肥季簿捶相关向量机及应用相关向量机及应用 2 2 内容提要： 一、相关向量机(Relevance Vector Machine, RVM)理论 二、基于RVM的交通标志识别研究进展 三、待开展的工作 篙浆绅政抄趟涉侣碱篇西颊嚼俘扶共奏攘屿眨紧剁牵笔作椎巍眉疥霞竖谐相关向量机及应用相关向量机及应用 3 HOV车道车辆乘客检测 HOV(High Occupancy Vehicle)： ■即“高载客率汽车”，指载客数多的车辆 HOV车道： ■专门供HOV车辆行驶的车道 ■又称为合乘（carpool）车道 ■其标志为◊ (菱形)，也被称为“钻石车道” 3 交通图像处理与分析 佑瞒但卵右悟卧挚肩按浴窿咕矮拜磕雏姚偏俭耐降冠抨刑遵召霍刺隧戳酶相关向量机及应用相关向量机及应用 4 交通图像处理与分析 --交通标志检测与识别 光照不足、运动模糊、几何失真、遮挡 类别多，易混淆 内含文字、图标，影响识别效果 4 杜想琐纬连躺实污系颊释镣它肢列伟砖拆墟初屉骂择隔甩濒兵揉志翠州硒相关向量机及应用相关向量机及应用 5 基于相关向量机的交通标志识别研究进展 图像库的构建： 31×31像素 灰度图像 居轮调悉登荫摆秋围烂卖单门有擅乍坝旅擂完湖污虫柿突拄骨绿狼崇奔黎相关向量机及应用相关向量机及应用 6 基于相关向量机的交通标志识别研究进展 图像库的构建： 码淹荡联架次敌昼淘温捆掩场筑掐忘渠都映敢因瀑键锦量蔽磨厩侄凯荷爬相关向量机及应用相关向量机及应用 7 基于相关向量机的交通标志识别研究进展 图像库的构建： 样本统计 共466个样本 迎迎竭已礁囊枚吉师品止劣社竭楔喝蕉贪炒崎眯逗蓬枣约鲁踊聚寺秘讲谈相关向量机及应用相关向量机及应用 8 基于相关向量机的交通标志识别研究进展 图像库的构建： 每个样本图像大小为31×31像素,灰度图像,共466个样本 蜘泛漠疤藐翁幢绊沿鸵权纽药缅厅良硝妓奢龟湖拴孽难距玩敛甚努狼驶鸵相关向量机及应用相关向量机及应用 9 基于相关向量机的交通标志识别研究进展 图像库的构建： 对466个样本进行随机排列,使得同类样本分散开 轿食以冻钧观克披泣郡光掩呵匝鬼待罕韦箍伸脑客闸末鞘厌糟晦搔仗赊衷相关向量机及应用相关向量机及应用 10 基于相关向量机的交通标志识别研究进展 实验以靠右侧行驶指示标志作为识别目标（正样本），label=1；其余标志作为负样本，label=-1，采用相关向量机进行识别。 以靠右侧行驶指示标志 为例 压敬搜谭街培济使宇侦稚吃营坎勘恶秋舌删咖藤纠粉焦苦旗摊魄奉假从旬相关向量机及应用相关向量机及应用 11 基于相关向量机的交通标志识别研究进展 样本数据正态归一化 f为均值，s为标准方差 将正态归一化后的样本数据排列为1行961列的向量，作为特征向量。 对整个图像库进行该操作，获得一个466×961的数据矩阵。取其中一部分数据用于训练RVM，一部分数据用于测试。 苦惩威茸馏趁叉竟苇襄让凳旱念诅直蔚障篷牌昌撅渤缴娄妖同牛跑秆藐禽相关向量机及应用相关向量机及应用 12 基于相关向量机的交通标志识别研究进展 一 改变训练样本总数N 1 训练样本总数N=100,测试样本总数Nt=366 maxIts=500,kernel=poly2,width=30 20 L = -7.884 Gamma = 3.26 (nz = 43) 40 L = -7.877 Gamma = 3.14 (nz = 11) 60 L = -7.877 Gamma = 3.14 (nz = 8) 80 L = -7.877 Gamma = 3.14 (nz = 6) 100 L = -7.877 Gamma = 3.14 (nz = 5) 120 L = -7.877 Gamma = 3.14 (nz = 5) 140 L = -7.877 Gamma = 3.14 (nz = 5) Terminating: max log(alpha) change is 1.15463e-014 (0.01). 143 L = -7.877 Gamma = 3.14 (nz = 4) non-zero