基于卷积神经网络的人工智能停车位真理测试自动化

本研究是面向基于众所周知车载数据构建的实时云端车路停车服务的研究。该服务通过对众所周知检测的分类来提供可用停车位信息，这些检测由超声波传感器观察。本研究旨在通过分析现有真理测试流程的自动化来优化当前停车服务的质量。因此，应用机器学习领域的方法，特别是图像模式识别，以丰富数据库，取代人工工程工作在主要分析流程领域。本文在介绍相关机器学习领域后，解释了为实现高水平自动化所采取的方法和实现方式，应用卷积神经网络。最后，预定义的指标呈现所达成的性能水平，显示人力资源消耗可减少至99.58%。讨论了整体改进，总结，并就未来发展及潜在应用分析自动化工具的前景展开论述。