Grafikler / görüntülerdeki noktaları tanımlamak için makine öğrenimi teknikleri var mı?

Aşağıdaki 3 parselde gösterildiği gibi her aracın zaman içindeki yanal konumu ve şerit numarası için verilerim ve aşağıdaki örnek verilerim var.

> a
   Frame.ID   xcoord Lane
1       452 27.39400    3
2       453 27.38331    3
3       454 27.42999    3
4       455 27.46512    3
5       456 27.49066    3

Yanal konum zaman içinde değişir, çünkü bir insan sürücü aracın konumu üzerinde mükemmel bir kontrole sahip değildir. Şerit değiştirme manevrası, yanal pozisyon büyük ölçüde değiştiğinde başlar ve varyasyon tekrar 'normal' olduğunda sona erer. Bu doğrudan verilerden tanımlanamaz. Şerit değiştirme süresini tahmin etmek için şerit değiştirme manevrasının başlangıç ​​ve bitiş noktalarını belirlemek için her aracın grafiğine elle bakmalıyım. Ama veri setinde binlerce aracım var. Beni bu noktaları tanımlamak için eğitilebilecek ilgili herhangi bir görüntü analizi / makine öğrenme algoritmasına yönlendirir misiniz? R'de çalışıyorum. Şimdiden teşekkürler.

Yüzeyde ilk türev bunu yapardı. Bununla birlikte, gösterdiğiniz verilerde çok fazla gürültü vardır, bu nedenle ilk türevi biraz gürültüsüz bir şekilde veya en azından titremeyi ortadan kaldıran ve büyük türev değişikliğini koruyan bir frekans alanı içinde değerlendirmenin bir yoluna ihtiyacımız var.

Dalgacık analizi bunu sizin için başarabilir, özellikle de bir Gaussian'ın ilk türevini annenin dalgacık olarak kullanırsanız. R'nin bazı iyi dalgacık paketleri var ( yeni başlayanlar için r-project.org adresine bakın ). Dalgacık dönüşümünü kısa ölçeklerde yaparsanız, direksiyondaki titreşim bitlerinin yerleri belirlenir. Daha büyük ölçeklerde (yani daha düşük frekansta) yaparsanız, küçük şeritleri değil, yalnızca şerit kaymalarını bulabilirsiniz.

Dönüşümü makul bir veri kümesiyle eğitirseniz, şerit değişikliklerine karşılık gelen bir ölçek veya ölçek aralığı tanımlayabilmeniz gerekir. Ancak, bunu anlamadıysanız, bu O (n ^ 2) gibi bir şeydir, bu nedenle hesaplama zamanından tasarruf etmek için ölçek aralığını biraz daraltmaya çalışın.

Görünüşe göre gürültü türevinden birkaç saniye daha yüksek bir süre için arama yapabilirsiniz. Sadece her zaman adımından sonuncuya (veya bir öncekinden) sonlu farkın mutlak değerini hesaplayın ve bir dizi yüksek değer bekleyin. O zaman şerit değişikliği meydana gelir.

Değişiklik noktası paketini deneyin . Benzer bir durumda kullandım.

Değişim noktası analizi, iki "rejim" arasındaki değişiklikleri tespit eden yöntemlerin istatistiksel adıdır. Şeritte kalan bir araba, şeridin orta noktasında gradyan 0 olan bir çizgidir. Şeritte araba sürmek için istatistiksel bir modeli kolayca takabilirsiniz. Bir araba değiştirme şeridi, 0 olmayan bir eğime sahip bir çizgi boyunca ilerliyor. Değişim noktası analizi ve değişim noktası paketi, bir model y=a' (straight and level) toy = a + bx` den (yukarı veya aşağı) değiştiğinde noktayı belirlemek için tam olarak ihtiyacınız olan şeydir.