资 源 简 介
在线学习操作中我们的算法过程收购特征向量的兴趣点。鉴于假设这条道路区域的单连通，该点列为道路躺在非道路的区域中可以看出作为兴趣点，标注为负样本（非道路样本），反之亦然。我们标注这些点作为新的训练数据（图9所示）。在网上学习实践过程中，有一件事要注意这是一个不知道究竟哪里是真正的我们的边界路域。我们能得到的是路区域在边缘形态运算的结果。为了减少附近的道路边贴错标签的训练数据的可能性，阈值M设定为保证金的边界附近的宽度该段道路和非道路区域如图10所示形态的运算结果。在我们的实验中，我们集合M为40个像素宽度
