面向停车位检测的YOLOv8优化：自定义YOLOv8架构的比较分析
计算机视觉与模式识别
2025-05-26 v1
摘要
停车位占用检测是智能停车管理系统开发的关键组成部分。传统目标检测方法如YOLOv8能够在停车场中快速准确地检测车辆，但在边界案例上可能存在困难，例如部分可见的车辆、小型车辆（如摩托车）以及光照条件差的情况。在本工作中，我们对集成到YOLOv8中的自定义骨干架构进行了全面的比较分析。具体而言，我们在PKLot数据集上评估了多种骨干网络——ResNet-18、VGG16、EfficientNetV2、Ghost——在检测准确率和计算效率方面的表现。实验结果突出了每种架构的优势和权衡，为选择合适的停车位占用检测模型提供了参考。
引用
@article{arxiv.2505.17364,
title = {Optimizing YOLOv8 for Parking Space Detection: Comparative Analysis of Custom YOLOv8 Architecture},
author = {Apar Pokhrel and Gia Dao},
journal= {arXiv preprint arXiv:2505.17364},
year = {2025}
}
备注
9 pages