交通标志分类：相关工作与数据集准备
1. 相关工作
在交通标志分类领域，已经有许多研究和方法被提出。
1.1 两级分类法
Huang等人（2013）采用了两级分类法。在第一级，将图像分类到某个超类中，每个超类包含几个形状或颜色相似的交通标志。然后，根据超类调整输入图像的视角，并在调整后的图像上应用另一个分类模型。但该方法的主要问题是最终分类结果对调整过程较为敏感。
1.2 稀疏编码方法
- 匹配追踪算法编码：Hsu和Huang（2001）使用匹配追踪算法对每个交通标志进行编码。在测试时，将输入图像投影到不同的滤波器基上以找到最佳匹配。
- 图嵌入方法：Lu等人（2012）提出了一种图嵌入方法来对交通标志进行分类，他们使用L1,2范数在原始空间中保留稀疏表示。
- 基于k - 均值聚类的字典构建：Liu等人（2014）通过对训练数据应用k - 均值聚类来构建字典，然后使用类似于局部线性编码方法的新型编码输入对每个数据进行编码。
- 基于视觉属性和贝叶斯网络的方法：Aghdam等人（2015）提出了一种基于视觉属性和贝叶斯网络的方法。该方法通过视觉属性描述每个交通标志，将输入图像划分为多个区域，使用弹性网络稀疏编码方法对每个区域进行编码，最后使用随机森林分类器检测属性，并通过贝叶斯网络进一步优化检测到的属性。
- 主成分空间投影法：Fleyeh和Dav
