With three training databases, we c

With three training databases, we chose the minimum
hit rate is 0.995 and maximum false alarm rate is 0.5
with weight trimming is 0.95 for training. After training
with this parameter the detection rate is between 94.1%
and 97.4% with a great computational time from 30 to
70 milliseconds. Our proposed method shows that, false
positive rate is very high. We can remove these false
positive by using connected component analysis(CCA)
and store only license plate for further processing.
Figure 9 shows some good results by using our
proposed method for LPD under various weather
conditions

Kết quả (Việt) 1:

Với ba cơ sở dữ liệu đào tạo, chúng tôi đã chọn tối thiểuhit tỷ lệ là 0.995 và tốc độ tối đa các báo động giả là 0,5với trọng lượng trang trí là 0,95 cho đào tạo. Sau khi đào tạovới tham số này tỷ lệ phát hiện là giữa 94.1%và 97,4% với một thời gian tính toán tuyệt vời từ 30 đến70 mili giây. Phương pháp được đề xuất của chúng tôi cho thấy rằng, saitỷ lệ tích cực là rất cao. Chúng tôi có thể loại bỏ saitích cực bằng cách sử dụng các thành phần liên thông analysis(CCA)và lưu trữ chỉ tấm giấy phép để chế biến tiếp.Hình 9 cho thấy một số kết quả tốt bằng cách sử dụng của chúng tôiđề xuất phương pháp cho LPD dưới thời tiết khác nhauđiều kiện

Kết quả (Việt) 2:

Với ba cơ sở dữ liệu đào tạo, chúng tôi đã chọn tối thiểu
tỷ lệ hit là 0,995 và tỷ lệ cảnh báo sai tối đa là 0.5
với trọng lượng cắt tỉa là 0,95 cho đào tạo. Sau khi đào tạo
với tham số này tỷ lệ phát hiện là giữa 94,1%
và 97,4% với thời gian tính toán lớn từ 30 đến
70 phần nghìn giây. Phương pháp đề xuất của chúng tôi cho thấy rằng, sai
tỷ lệ dương tính là rất cao. Chúng ta có thể loại bỏ những sai
tích cực bằng cách sử dụng phân tích thành phần kết nối (CCA)
và lưu trữ chỉ có tấm giấy phép để chế biến tiếp.
Hình 9 cho thấy một số kết quả tốt bằng cách sử dụng của chúng tôi
đề xuất phương pháp cho LPD dưới thời tiết khác nhau
điều kiện