Camera-based visibility estimation: Incorporating multiple regions and unlabeled observations

سهم عمده این مقاله دوگانه است. اولا، ما دو مدل پیش بینی را ارائه می دهیم که مناطق مختلف چندگانه را در برآورد می کند: درختان رگرسیون و رگرسیون خطی چند متغیره. داشتن مناطق چندگانه مهم است زیرا مناطق در فاصله های مختلف برای برآورد انقراض نور تحت رژیم های مختلف دید موثر هستند. سهم اصلی دوم چارچوب یادگیری نیمه نظارتی است که نمونه های آموزشی بدون برچسب را برای بهبود مدل های آموخته شامل می کند. استفاده از داده های بدون برچسب برای یادگیری مهم است، زیرا در بسیاری از برنامه های کاربردی، مشاهدات نسبت به برچسب گذاری آنها آسان تر است. ما مدل های ما را با استفاده از یک مجموعه داده ها و مقادیر انقراض حقیقت زمین از یک سیستم دوربین دید در فینیکس، آریزونا ارزیابی می کنیم.