传统的异常检测算法在一定程度上改进了负选择机制。道闸检测器生成的随机性、自集的不完备性以及检测器的泛化能力等问题仍然存在，这会在非自空间中造成很多漏洞。提出了一种基于实值检测器二次分布的启发式算法，用于检测第一次分布中的非自空间漏洞和自空间的变异区域。该算法基于分割和移动的方法，通过遥控器遗漏数据分布实值检测器。提出了一种求解算法中相关参数最优解的方法。理论分析和实验结果证明了该方法的通用性和有效性。

    结果表明，我们的算法可以有效地避免漏洞的产生，从而降低电子杆检测器集的漏检率。智能相机是一种视觉系统，能够从捕获的图像中提取特定于应用程序的信息。本文提出了一种基于深度卷积神经网络（CNN）的分布式高效停车场占用率视觉检测解决方案，该网络是专门为智能摄像头设计的。将此解决方案与使用两个可视化遥控器数据集的最先进方法进行比较：PKLot（已存在于文献中）和CNRPark-EXT。

    前者是一个现有的升降杆数据集，允许我们与以前的作品进行详尽的比较。后一个数据集是在这项研究的背景下创建的，在一年中的不同季节积累数据，以测试我们在特别具有挑战性的情况下的方法，表现出闭塞，以及多样化和困难的观点。该数据集向科学界公开，是我们研究的又一贡献。我们的实验表明，我们的解决方案在这两个数据集上都优于并推广了性能最好的方法。我们提出的CNN体系结构在停车场占用检测任务上的万能遥控器性能与著名的AlexNet相当，后者要大三个数量级。

上一篇：挖掘曾是考古重地的停车场
下一篇：没有了