18、交通标志分类：相关工作与数据集处理

交通标志分类：相关工作与数据集处理

1. 相关工作概述

在交通标志分类领域，有多种不同的方法被提出。

1.1 两级分类法

Huang等人（2013）采用了两级分类法。在第一级，将图像分类到某个超类中，每个超类包含几个形状或颜色相似的交通标志。然后，根据超类调整输入图像的视角，并在调整后的图像上应用另一个分类模型。然而，这种方法的主要问题是最终分类结果对调整过程较为敏感。

1.2 稀疏编码方法

• 匹配追踪算法 ：Hsu和Huang（2001）使用匹配追踪算法对每个交通标志进行编码。在测试时，将输入图像投影到不同的滤波器基上以找到最佳匹配。
• 图嵌入方法 ：Lu等人（2012）提出了一种图嵌入方法来对交通标志进行分类，通过使用L1,2范数在原始空间中保留稀疏表示。
• k - 均值聚类构建字典 ：Liu等人（2014）通过对训练数据应用k - 均值聚类来构建字典，然后使用类似于局部线性编码的新编码输入对每个数据进行编码。
• 基于视觉属性和贝叶斯网络的方法 ：Aghdam等人（2015）提出了一种基于视觉属性和贝叶斯网络的方法。将输入图像划分为多个区域，使用弹性网络稀疏编码方法对每个区域进行编码，最后使用随机森林分类器检测属性，并使用贝叶斯网络对检测到的属性进行细化。
• 主成分空间投影 ：Fleyeh和Davami（2011）将图像投影到主成分空间，并通过