要約
自動車は人類の経済活動、特に大都市において重要な役割を果たしています。
このような状況下、自動車ドライバーにとっては、空き駐車スペースを迅速に検索することが大きな関心事となっている。
一方、国民のプライバシー意識も目覚めてきており、画像ベースの駐車スペース認識方法はプライバシー保護への配慮が欠けています。
この論文では、BCFPL という軽量設計構造を備えたバイナリ畳み込みニューラル ネットワークを提案しました。これは、低解像度の駐車スペース画像でトレーニングし、合理的な認識結果を提供するために使用できます。
駐車スペースの画像は、さまざまな天候、オクルージョン条件、さまざまなカメラ アングルなど、さまざまな複雑な環境から収集されました。
さまざまなデータセットと部分的なサブセット間でトレーニングとテストの進捗を実施しました。
実験結果は、BCFPLの精度が元の解像度画像と直接比較して低下せず、既存の主流の方法の平均レベルに到達できることを示しています。
また、BCFPL は、プライバシー要件を満たしながらハードウェア要件が低く、認識速度が速いため、インテリジェント都市建設や自動運転分野での応用可能性を秘めています。
要約(オリジナル)
The automobile plays an important role in the economic activities of mankind, especially in the metropolis. Under the circumstances, the demand of quick search for available parking spaces has become a major concern for the automobile drivers. Meanwhile, the public sense of privacy is also awaking, the image-based parking space recognition methods lack the attention of privacy protection. In this paper, we proposed a binary convolutional neural network with lightweight design structure named BCFPL, which can be used to train with low-resolution parking space images and offer a reasonable recognition result. The images of parking space were collected from various complex environments, including different weather, occlusion conditions, and various camera angles. We conducted the training and testing progresses among different datasets and partial subsets. The experimental results show that the accuracy of BCFPL does not decrease compared with the original resolution image directly, and can reach the average level of the existing mainstream method. BCFPL also has low hardware requirements and fast recognition speed while meeting the privacy requirements, so it has application potential in intelligent city construction and automatic driving field.
arxiv情報
| 著者 | Shuo Zhang,Xin Chen,Zixuan Wang |
| 発行日 | 2024-04-22 14:07:42+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google