傳統的異常檢測算法在一定程度上改進了負選擇機制。道閘檢測器生成的隨機性、自集的不完備性以及檢測器的泛化能力等問題仍然存在，這會在非自空間中造成很多漏洞。提出了一種基于實值檢測器二次分布的啟發式算法，用于檢測第一次分布中的非自空間漏洞和自空間的變異區域。該算法基于分割和移動的方法，通過遙控器遺漏數據分布實值檢測器。提出了一種求解算法中相關參數最優解的方法。理論分析和實驗結果證明了該方法的通用性和有效性。

    結果表明，我們的算法可以有效地避免漏洞的產生，從而降低電子桿檢測器集的漏檢率。智能相機是一種視覺系統，能夠從捕獲的圖像中提取特定于應用程序的信息。本文提出了一種基于深度卷積神經網絡（CNN）的分布式高效停車場占用率視覺檢測解決方案，該網絡是專門為智能攝像頭設計的。將此解決方案與使用兩個可視化遙控器數據集的最先進方法進行比較：PKLot（已存在于文獻中）和CNRPark-EXT。

    前者是一個現有的升降桿數據集，允許我們與以前的作品進行詳盡的比較。后一個數據集是在這項研究的背景下創建的，在一年中的不同季節積累數據，以測試我們在特別具有挑戰性的情況下的方法，表現出閉塞，以及多樣化和困難的觀點。該數據集向科學界公開，是我們研究的又一貢獻。我們的實驗表明，我們的解決方案在這兩個數據集上都優于并推廣了性能最好的方法。我們提出的CNN體系結構在停車場占用檢測任務上的萬能遙控器性能與著名的AlexNet相當，后者要大三個數量級。

上一篇：挖掘曾是考古重地的停車場
下一篇：沒有了