面向实际场景的气象噪声鲁棒图像分类：基于混合CNN和Pin-GTSVM
计算机视觉与模式识别
2025-01-24 v1
摘要
过去几年，基于深度学习框架的停车场占用检测取得了显著进展。虽然这些方法有效检测部分遮挡并适应不同光照条件，但在雾霾存在时性能显著下降。本文提出一种新型混合模型，采用预训练特征提取器和Pinball Generalized Twin Support Vector Machine (Pin-GTSVM) 分类器，无需当前针对 hazily parking slot classification 系统的脱雾系统，同时对任何气象噪声不敏感。该系统可无缝集成到常规智能停车设施中，利用最小数量的摄像机高效监控和管理数百个停车位。其有效性通过CNRPark Patches、PKLot以及针对雾霾停车场景的自定义数据集进行评估。此外，实证结果表明，在雾霾停车系统上准确率显著提高，强调了对气象噪声的高效处理能力。
引用
@article{arxiv.2501.13422,
title = {Atmospheric Noise-Resilient Image Classification in a Real-World Scenario: Using Hybrid CNN and Pin-GTSVM},
author = {Shlok Mehendale and Jajati Keshari Sahoo and Rajendra Kumar Roul},
journal= {arXiv preprint arXiv:2501.13422},
year = {2025}
}