格拉纳达市的停车位检测

本文探讨了城市区域停车位检测的挑战，重点关注格拉纳达市。利用航空影像，我们开发并应用语义分割技术以准确识别停放车辆、行驶车辆和道路。我们研究的一个重要方面是构建了格拉纳达专属的私有数据集，这在训练我们的神经网络模型中起到了关键作用。我们采用了全卷积网络、金字塔网络和空洞卷积，证明了它们在城市语义分割中的有效性。我们的方法包括对针对航空影像分割定制的 Dynamic U-Net、PSPNet 和 DeepLabV3+ 等多种模型进行比较分析和优化。本研究包含全面的实验阶段，使用了 UDD5 和 UAVid 数据集以及我们自定义的格拉纳达数据集。我们使用前景准确率、Dice 系数和 Jaccard 指数等指标评估模型。结果表明，DeepLabV3+ 提供了最有前景的性能。最后我们提出了未来方向，强调需要用于停放车辆检测的专用神经网络，及其在其他城市环境中应用的潜力。这项工作为城市规划和交通管理领域做出了贡献，为通过先进图像处理技术高效利用停车位提供了见解。