BCFPL：基于快速低分辨率图像停车位识别的二进制卷积神经网络
计算机视觉与模式识别
2024-04-23 v1 人工智能
摘要
汽车在人类的经济活动中发挥着重要作用，尤其是在大城市中。面对这种情况，快速查找可用停车位的需求已成为汽车驾驶员的主要关注点。同时，公众对隐私的意识也在觉醒，基于图像的停车位识别方法因缺乏隐私保护的关注而被忽视。在本文中，我们提出了一种名为BCFPL的二进制卷积神经网络，采用轻量级设计结构，可用于低分辨率停车位图像进行训练，并提供合理的识别结果。停车位图像收集自各种复杂环境，包括不同天气、遮挡情况以及各种摄像机角度。我们在不同数据集和部分子集上进行了训练和测试。实验结果表明，BCFPL的准确率不亚于直接使用原始分辨率图像，且可达到现有主流方法的平均水平。BCFPL具有低硬件要求和快速识别速度，同时满足隐私要求，因此具有在智能城市建设和自动驾驶领域的应用潜力。
引用
@article{arxiv.2404.14198,
title = {BCFPL: Binary classification ConvNet based Fast Parking space recognition with Low resolution image},
author = {Shuo Zhang and Xin Chen and Zixuan Wang},
journal= {arXiv preprint arXiv:2404.14198},
year = {2024}
}