融合全局与局部信息的端到端可训练单阶段停车位检测方法
计算机视觉与模式识别
2020-03-06 v1
摘要
本文提出一种用于环视监视(AVM)图像端到端可训练的单阶段停车位检测方法。所提方法利用卷积神经网络(CNN)同时获取全局信息(停车位的入口、类型与占用状态)与局部信息(连接点的位置和方向)，并将其融合以检测带有属性的停车位。该方法将AVM图像划分为网格并执行基于CNN的特征提取。对于网格的每个单元，通过对提取的特征图施加卷积滤波器获得停车位的全局与局部信息。通过非极大值抑制(NMS)融合停车位的全局与局部信息得到最终检测结果。由于所提方法使用全卷积网络在无需区域提议阶段的情况下获取停车位的大部分信息，因此它是一种端到端可训练的单阶段检测器。在实验中，该方法使用公开数据集进行定量评估，以99.77%的查全率与查准率、100%的类型分类准确率以及99.31%的占用分类准确率，同时以每秒60帧的处理速度优于以往方法。
引用
@article{arxiv.2003.02445,
title = {End-to-End Trainable One-Stage Parking Slot Detection Integrating Global and Local Information},
author = {Jae Kyu Suhr and Ho Gi Jung},
journal= {arXiv preprint arXiv:2003.02445},
year = {2020}
}