面向智能摄像头停车系统的无误差深度占用检测器
计算机视觉与模式识别
2022-10-26 v2 机器学习
摘要
尽管智能摄像头停车系统的概念已存在数十年，但极少有方法充分解决该系统的可扩展性与可靠性问题。由于智能停车系统的基石在于占用检测能力，传统方法使用分类主干网络从人工标注的网格中预测车位。这耗时费力且丧失了系统的可扩展性。此外，多数方法采用深度学习模型，使其在规模应用时无法做到无误差且不可靠。因此，我们提出了一种端到端智能摄像头停车系统，通过名为OcpDet的目标检测器提供自主占用检测。我们的检测器还从对比模块提供有意义的信息：训练与空间知识，从而在推理过程中避免错误检测。我们在现有PKLot数据集上基准测试OcpDet，并取得相较于传统分类方案具竞争力的结果。我们还引入了额外的SNU-SPS数据集，在其中我们从多种视角估计系统性能，并在停车分配任务中进行系统评估。我们数据集的结果表明，我们的系统在实际应用中前景广阔。
引用
@article{arxiv.2208.08220,
title = {Towards an Error-free Deep Occupancy Detector for Smart Camera Parking System},
author = {Tung-Lam Duong and Van-Duc Le and Tien-Cuong Bui and Hai-Thien To},
journal= {arXiv preprint arXiv:2208.08220},
year = {2022}
}
备注
Paper got accepted to Oral ECCV workshop (CVCIE)