尚未详细探讨Treebank的选择，用于解析评估和可能由偏见的选择产生的虚假效果。本文研究了对树岸的单个子集的评估如何导致结论较弱。首先，我们采用一些对比的解析器，并将其运行在先前工作中提出的树库的子集上，其使用（或不使用）在类型学或数据稀缺等标准上是合理的（或不合理的）。其次，我们运行了该实验的大规模版本，创建大量的Treebanks随机子集，并在其上比较许多分数可用的解析器。结果表明，各个子集的差异很大，尽管建立良好的树牛银行选择准则很难，但仍有可能检测潜在的有害策略。
translated by 谷歌翻译
对行人基础设施，特别是人行道的大规模分析对人类以人为本的城市规划和设计至关重要。受益于通过纽约市开放数据门户提供的Procepetric特征和高分辨率OrthoImages的丰富数据集，我们培养计算机视觉模型来检测遥感图像的人行道，道路和建筑物，达到83％的Miou持有-out测试集。我们应用形状分析技术来研究提取的人行道的不同属性。更具体地，我们对人行道的宽度，角度和曲率进行了瓷砖明智的分析，除了它们对城市地区的可行性和可达性的一般影响，众所周知，在轮椅用户的移动性中具有重要作用。初步结果是有前途的，瞥见了不同城市采用的拟议方法的潜力，使研究人员和从业者可以获得更生动的行人领域的画面。
translated by 谷歌翻译
驾驶方式总结了反映车辆运动的不同驾驶行为。这些行为可能表明倾向于执行更风险的操作，消耗更多的燃料或能源，打破交通规则或仔细驾驶。因此，本文使用Interval-2类型模糊推理系统提出了驾驶风格的识别，并具有多个专家决策，以将驾驶员分类为平静，中等和激进。该系统接收到输入具有车辆运动的纵向和侧向运动参数。处理噪声数据时，类型2模糊集比Type-1模糊集更强大，因为它们的成员资格功能也是模糊集。此外，在构建模糊的规则基础时，多种专家方法可以减少偏见和不精确，该模糊规则基金会存储模糊系统的知识。使用描述性统计分析评估了所提出的方法，并将其与聚类算法和1型模糊推理系统进行了比较。结果表明，与其他算法相比，与2型模糊推理系统分类的驾驶方式相关的较低运动学概况的趋势与其他算法相比，这与专家意见的汇总采用了更保守的方法。
translated by 谷歌翻译
检测局部特征，例如角落，段或斑点，是许多计算机视觉应用中的第一步。它的速度对于实时应用至关重要。在本文中，我们在文献中呈现elsed，最快的线段探测器。其效率的关键是局部段生长算法，其在存在小不连续性的情况下连接梯度对齐的像素。所提出的算法不仅在具有非常低端硬件的设备中运行，而且还可以参数化以促进短期或更长的段的检测，具体取决于手头的任务。我们还介绍了新的指标，以评估段探测器的准确性和重复性。在我们的实验中，我们证明我们的方法账户最高的重复性，它在文献中最有效。在实验中，我们量化了此类收益所交易的准确性。
translated by 谷歌翻译