基于 CNN 的利用区域特定多尺度特征提取的两阶段停车位检测
计算机视觉与模式识别
2021-08-16 v1
摘要
自主泊车系统始于对可用停车位的检测。深度学习技术已显著提升了停车位检测性能。基于深度学习的物体检测方法可分为单阶段和两阶段方法。尽管众所周知两阶段方法在通用物体检测中优于单阶段方法，但迄今为止二者在停车位检测中表现相近。我们认为这是因为两阶段方法尚未针对停车位检测充分专门化。因此，本文提出了一种高度专门化的两阶段停车位检测器，其使用区域特定的多尺度特征提取。在第一阶段，所提方法通过估计停车位入口的中心、长度和朝向，将其作为区域提议找出。该方法的第二阶段指定包含所需信息最多的特定区域并从中提取特征。即，位置和朝向的特征仅从包含位置和朝向信息最多的特定区域分别提取。此外，利用多分辨率特征图以提升定位与分类精度。高分辨率特征图用于提取细节信息（位置与朝向），而另一低分辨率特征图用于提取语义信息（类型与占用）。在实验中，所提方法在两个大规模公共停车位检测数据集上进行了定量评估，并优于以往方法，包括单阶段与两阶段方法。
引用
@article{arxiv.2108.06185,
title = {CNN-based Two-Stage Parking Slot Detection Using Region-Specific Multi-Scale Feature Extraction},
author = {Quang Huy Bui and Jae Kyu Suhr},
journal= {arXiv preprint arXiv:2108.06185},
year = {2021}
}