基于卷积神经网络的有雾条件下智能停车位检测：一种新方法
计算机视觉与模式识别
2022-01-19 v1 机器学习
摘要
有限的城市停车空间与城市化进程共同催生了能够向终端用户通报停车位可用性的智能停车系统的发展。为此，人们提出了多种基于卷积神经网络的深度学习方案用于停车位占用检测。尽管这些方法对局部遮挡与光照条件具有鲁棒性，但研究发现其在雾天条件下性能会下降。鉴于此，本文探究了利用去雾网络提升雾天条件下停车位占用分类器性能的方法。此外，提出了去雾网络的训练流程，以最大化系统在雾与非雾条件下的性能。所提系统可作为现有智能停车系统的一部分进行部署，其中使用数量有限的摄像头监控数百个停车位。为验证我们的方法，我们基于 RESIDE-\b{eta} 数据集的真实世界任务驱动测试集构建了自定义的有雾停车系统数据集。所提方法在 CNRPark-EXT 与有雾停车系统数据集上对照现有最先进的停车位检测器进行了测试。实验结果表明，所提方法在有雾停车系统数据集上取得了显著的准确率提升。
引用
@article{arxiv.2201.05858,
title = {Smart Parking Space Detection under Hazy conditions using Convolutional Neural Networks: A Novel Approach},
author = {Gaurav Satyanath and Jajati Keshari Sahoo and Rajendra Kumar Roul},
journal= {arXiv preprint arXiv:2201.05858},
year = {2022}
}
备注
20 pages