基于迁移学习的公共停车位检测与地理定位
计算机视觉与模式识别
2022-10-19 v3
摘要
在世界各地的城市中，定位有空余车位的公共停车场是一大难题，既耗费通勤者时间，又加剧交通拥堵。本工作展示了如何使用来自手机摄像头的地理标记图像数据集，导航至约翰内斯堡最便利且有神经网络赋能的公共摄像头检测到可用车位的公共停车场。这些图像用于微调在 ImageNet 数据集上预训练的 Detectron2 模型，以演示空余停车位的检测与分割；随后我们加入停车场的相应经纬度坐标，基于 Haversine 距离与可用车位数向驾驶员推荐最便利的停车场。利用 VGG Image Annotation（VIA），我们使用来自不断扩充的图像数据集的图像，并用四类感兴趣对象的多边形轮廓进行标注：汽车、空车位、行人及车牌。我们使用分割模型以确保在生产环境中为车牌打码以保护车辆登记匿名性。我们在汽车与停车位上分别获得了 89% 与 82% 的交并比覆盖分数。本工作有潜力帮助减少通勤者寻找免费公共停车位的时间，从而缓解购物中心和其它公共场所周边的交通拥堵，并最大化人们在公共道路驾驶中的效用。
引用
@article{arxiv.2209.00213,
title = {Public Parking Spot Detection And Geo-localization Using Transfer Learning},
author = {Moseli Mots'oehli and Yao Chao Yang},
journal= {arXiv preprint arXiv:2209.00213},
year = {2022}
}
备注
Accepted for presentation at SACAIR 2022. 11 pages,5 figures