Apr, 2024

BCFPL: 低分辨率图像的基于二分类卷积神经网络的快速停车位识别

PDF
TL;DR本文提出了一种轻量级设计结构的二进制卷积神经网络（BCFPL），该网络可用于低分辨率停车位图像的训练，并提供合理的识别结果。实验结果显示，BCFPL 在满足隐私要求的同时，具有低硬件要求和快速识别速度，因此在智能城市建设和自动驾驶领域具有应用潜力。
parking spacesprivacy protectionbinary convolutional neural networklow-resolution imagesintelligent city construction
发现论文，激发创造
  • 使用卷积神经网络实现自动停车位检测

    使用计算机视觉技术和卷积神经网络，实现了停车场空位实时分类和占用检测，准确度为 99％，结果表明该系统在不同停车场环境中具有很好的鲁棒性。

    Jun, 2021

  • 基于深度卷积神经网络的停车位空位指示系统

    本文提出了一种基于深度卷积神经网络的稳健检测算法，该算法被实现并测试于大型基准数据集以及已安装在停车场内的图像源，并开发了完全功能的系统，从服务器端图像分析到前端用户界面以证明该方法的实用性，其关键词包括停车管理系统、空位指示服务、视觉检测方法、深度卷积神经网络、图像分析。

    Jun, 2016

  • 停车场占用检测中深度学习方法的修订

    该研究通过比较和评估现有车位检测算法和视觉转换器，提出了一种新的基于 EfficientNet 体系结构的管道，以增加现有系统的泛化能力和适应特定的视觉条件，从而提高停车场占用检测的效果。

    Jun, 2023

  • 基于车辆事件的停车位检测

    本文提出了一种自动停车位检测方法，使用实例分割来识别汽车并生成停车位的热图，结果表明该方法可以在 PKLot 和 CNRPark-EXT 停车场数据集的 12 个不同子集上实现高达 95.60％的 AP25 分数和高达 79.90％的 AP50 分数。

    Jun, 2023

  • ParkPredict+: 基于 CNN 和 Transformer 的停车场车辆多模态意图和运动预测

    该研究使用卷积神经网络和 Transformer 网络从轨迹历史记录和卫星图像中提取时间空间和语境信息，对停车场中人驱动车辆的多模态意图和轨迹预测问题进行了研究，并提出了一种新的方法，能够更精确地预测多个模态，并编码复杂的多智能体场景，同时能够适应不同的停车地图。为了训练和评估方法，该研究还介绍了一组公开的 4K 视频数据集，其中包括了准确的注释、高帧率和丰富的交通场景。

    Apr, 2022

  • 训练比特全卷积网络以实现快速语义分割

    我们提出了一种用于训练 Bit Fully Convolutional Network（BFCN）的方法，在训练完一个低比特宽度的权重和激活的全卷积神经网络之后，并使用有效率的比特卷积实现进行加速，结果显示，我们使用的 BFCN 在 PASCAL VOC 2012 语义分割任务和 Cityscapes 上均能获得比 32 位计算相当的性能，并且与 32 位对照组相比，可以在 CPU 上提高 7.8 倍的性能或在 FPGA 上使用不到 1％的资源。

    Dec, 2016

  • 基于视觉的自动停车位检测和占用分类

    该研究提出了一种完全基于图像输入的自动停车位检测和占用分类算法 (APSD-OC)，该算法通过在鸟瞰图上进行聚类来检测停车位，然后使用特定训练的 ResNet34 深度分类器对每个检测到的停车位进行占用或空置的分类。该方法在公开数据集 (PKLot 和 CNRPark+EXT) 上进行了广泛评估，显示出较高的停车位检测效率和对非法停车或经过车辆的稳健性。训练的分类器在停车位占用分类方面取得了较高的准确性。

    Aug, 2023

  • 自动泊车中的基础设施辅助协同感知：安全视角

    自动泊车系统中加强环境感知一直是一个困难的任务，但是通过协同感知可以扩大车辆的视野，本文提出了一种基于 BEV 特征的协同感知网络架构，通过将道路边缘摄像机和激光雷达与车载传感器融合，有效地压缩 BEV 特征图的大小以适应 NR-V2X 网络的数据速率。通过合成的 AVP 数据集，我们观察到协同感知可以有效地提高感知性能，特别是对于行人。此外，在两种典型的安全关键场景中展示了基础设施辅助式协同感知的优势，在这两种场景中，最大安全巡航速度提高了 3m/s。

    Mar, 2024

  • 增强车辆入场和停车管理：用于效率和安全的深度学习解决方案

    通过使用最先进的深度学习模型，我们自动化了车辆入口和停车的过程，确保车辆和人员已在组织中注册，提供高效的车辆检测、精确的识别、简化的记录保留和优化的停车位分配，增强了便利性、准确性和安全性。

    Dec, 2023

  • 基于卷积神经网络的地点识别

    本文介绍了一种基于 CNN 模型的场所识别技术，在空间和时间维度上使用组合得到 CNN 模型的强大特征，并应用于一些基准数据集进行评估，该技术在召回率上取得了 75％的提升和 100％精度，明显优于之前所有的最新技术。在本文中，还对所有 21 个层的特征进行了全面的性能比较，包括基准数据集和一个具有更大视角变化的第二个数据集。

    Nov, 2014