面向停车位分类系统部署的不同标注策略评估
计算机视觉与模式识别
2022-07-26 v1
摘要
当使用基于视觉的方法将单个停车位分类为占用或空闲时，人类专家通常需要标注位置并标记一个包含在目标停车场的图像的训练集，以微调系统。我们提议研究三种标注类型（多边形、边界框和固定尺寸正方形），提供停车位的不同数据表示。其理由是阐明手工标注精度与模型性能之间的最佳权衡。我们还研究了在目标停车场微调预训练模型所需的标注停车位数量。使用 PKLot 数据集的实验表明，可以使用低精度标注（如固定尺寸正方形）以少于 1,000 个标记样本将模型微调到目标停车场。
引用
@article{arxiv.2207.11372,
title = {Evaluation of Different Annotation Strategies for Deployment of Parking Spaces Classification Systems},
author = {Andre G. Hochuli and Alceu S. Britto and Paulo R. L. de Almeida and Williams B. S. Alves and Fabio M. C. Cagni},
journal= {arXiv preprint arXiv:2207.11372},
year = {2022}
}
备注
Work submitted to be published on IEEE IJCNN 2022 / WCCI 2022 (July/22)