V.RESULTSA.ResultsTo evaluate the p

V.RESULTS <br>A.Results <br>评价无论是我们的TLR或者我们使用的车载摄像机拍摄几个城市序列学习过程的性能。然后，我们使用的地面实况编辑标记的每一帧上的所有交通信号灯的位置和状态。最后，我们执行的序列两种方法，比较我们的算法与地面真相的输出。为了衡量我们的算法，我们使用的计算如下标准精度和召回值的性能：

V.RESULTS<br>A.Results<br>To evaluate the performances of either our TLR or the learning processes we used several urban sequences acquired with an on-vehicle camera. Then, we used a ground truth editor to mark the position and state of all traffic lights on each frame. Finally, we executed both methods on the sequences and compared the output of our algorithm with the ground truth. To measure the performances of our algorithm we used the standard precision and recall values computed as follow:

五、 结果<br>A、 结果<br>为了评估我们的TLR或学习过程的性能，我们使用了用车载摄像机采集的几个城市序列。然后，我们使用地面真实编辑器来标记每帧上所有红绿灯的位置和状态。最后，我们在序列上执行了两种方法，并将我们的算法的输出与实际情况进行了比较。为了衡量我们算法的性能，我们使用了标准精度和召回值，计算如下：<br>