基于大规模数据集和半监督基线的实用停车位检测
计算机视觉与模式识别
2025-09-17 v1
摘要
随着自动泊车系统的发展，对停车位的精准检测变得越来越关键。本研究使用环视摄像头进行停车位检测，提供停车环境的全方位鸟瞰图。然而，现有数据集规模有限，且所包含场景很少受到现实噪声（如光照、遮挡等）的干扰。此外，由于现实条件的复杂性，手动数据标注容易出错和遗漏，显著增加了大规模数据集标注的成本。为解决这些问题，本文首先构建了一个大规模停车位检测数据集（命名为CRPS-D），包括各种光照分布、多样化天气条件以及具备挑战性的停车位变体。与现有数据集相比，所提出的数据集拥有最大的数据规模，包含更高密度的停车位，尤其特别是更多倾斜停车位。此外，我们开发了一个针对停车位检测的半监督基线，称为SS-PSD，通过利用未标记数据进一步提高性能。据称，这是停车位检测领域首个半监督方法，基于具有置信度引导的掩码一致性和自适应特征扰动的教师-学生模型。实验结果表明，SS-PSD 在所提出的数据集以及现有数据集上均优于现有最先进（SoTA）解决方案。特别地，未标记数据越多，使用我们半监督方案带来的收益就越显著。相关源代码和数据集已发布于 https://github.com/zzh362/CRPS-D。
引用
@article{arxiv.2509.13133,
title = {Advancing Real-World Parking Slot Detection with Large-Scale Dataset and Semi-Supervised Baseline},
author = {Zhihao Zhang and Chunyu Lin and Lang Nie and Jiyuan Wang and Yao Zhao},
journal= {arXiv preprint arXiv:2509.13133},
year = {2025}
}
备注
IEEE Transactions on Intelligent Transportation Systems (T-ITS)