Fugu-MT 論文翻訳(概要): Image-Based Parking Space Occupancy Classification: Dataset and Baseline

論文の概要: Image-Based Parking Space Occupancy Classification: Dataset and Baseline

arxiv url: http://arxiv.org/abs/2107.12207v1
Date: Mon, 26 Jul 2021 13:23:21 GMT
ステータス: 処理完了
システム内更新日: 2021-07-27 16:00:40.431162
Title: Image-Based Parking Space Occupancy Classification: Dataset and Baseline
Title（参考訳）: イメージベースパーキングスペース占有分類:データセットとベースライン
Authors: Martin Marek
Abstract要約: 画像に基づく駐車スペース占有分類のための新しいデータセット: ACPDSを提案する。以前のデータセットとは異なり、各イメージはユニークなビューから取り出され、体系的に注釈付けされ、列車内の駐車場、検証、テストセットはユニークである。このデータセットを用いて、駐車スペース占有率分類のための単純なベースラインモデルを提案し、未確認駐車場における98%の精度を実現する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce a new dataset for image-based parking space occupancy classification: ACPDS. Unlike in prior datasets, each image is taken from a unique view, systematically annotated, and the parking lots in the train, validation, and test sets are unique. We use this dataset to propose a simple baseline model for parking space occupancy classification, which achieves 98% accuracy on unseen parking lots, significantly outperforming existing models. We share our dataset, code, and trained models under the MIT license.
Abstract（参考訳）: 画像に基づく駐車スペース占有分類のための新しいデータセット: ACPDSを提案する。以前のデータセットとは異なり、各イメージはユニークなビューから取り出され、体系的に注釈付けされ、列車内の駐車場、検証、テストセットはユニークである。このデータセットを用いて、駐車スペース占有率分類のための単純なベースラインモデルを提案し、未確認駐車場における98%の精度を達成し、既存のモデルよりも大幅に優れている。私たちは、データセット、コード、トレーニングされたモデルをMITライセンス下で共有しています。

関連論文リスト

Deep Single Models vs. Ensembles: Insights for a Fast Deployment of Parking Monitoring Systems [3.00363876980149]
多くのアプローチでは大量のデータの収集とラベル付けを行うため、インテリジェントな駐車監視は依然として課題である。本研究の目的は,公用ラベル付き駐車場画像を用いて訓練されたグローバルなフレームワーク構築の課題を明らかにすることである。その結果、多様なデータセットでトレーニングされたモデルは、目標駐車場におけるデータアノテーションやモデルトレーニングの負担を伴わずに95%の精度を達成できることがわかった。
論文参考訳（メタデータ） (2023-09-28T14:59:53Z)
EasyPortrait -- Face Parsing and Portrait Segmentation Dataset [79.16635054977068]
リアルタイムの背景除去や顔の美化といったコンピュータビジョンベースの機能を実現することで,ビデオ会議アプリが機能的になった。これらのタスクを同時に行うために、新しいデータセット、EasyPortraitを作成します。 13,705人のユニークなユーザーと9つのクラスに分かれたきめ細かいセグメンテーションマスクを備えた、ビデオ会議のシナリオを繰り返す4万枚の屋内写真が含まれている。
論文参考訳（メタデータ） (2023-04-26T12:51:34Z)
A Fine-Grained Vehicle Detection (FGVD) Dataset for Unconstrained Roads [29.09167268252761]
本研究では,自動車に搭載された移動カメラから捉えた,野生におけるファイングラインド車両検出データセットについて紹介する。シーンイメージは5502枚あり、3レベル階層に整理された複数の車両の210個の細粒度ラベルがある。以前の分類データセットには、さまざまな種類の車も含まれていたが、FGVDデータセットでは、二輪車、オートリックショー、トラックを分類するための新しいクラスラベルが導入されている。
論文参考訳（メタデータ） (2022-12-30T06:50:15Z)
Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
論文参考訳（メタデータ） (2022-11-15T13:52:41Z)
Evaluation of Different Annotation Strategies for Deployment of Parking Spaces Classification Systems [3.265379077082569]
我々は3つのアノテーションタイプ(多角形、有界箱、固定サイズ正方形)について検討する。 PKLotデータセットを用いた実験では、1000個未満のラベル付きサンプルでターゲット駐車場にモデルを微調整することが可能である。
論文参考訳（メタデータ） (2022-07-22T23:03:17Z)
Prefix Conditioning Unifies Language and Label Supervision [84.11127588805138]
学習した表現の一般化性を低減することにより,データセットのバイアスが事前学習に悪影響を及ぼすことを示す。実験では、この単純な手法により、ゼロショット画像認識精度が向上し、画像レベルの分布シフトに対するロバスト性が向上することを示した。
論文参考訳（メタデータ） (2022-06-02T16:12:26Z)
Multi-dataset Pretraining: A Unified Model for Semantic Segmentation [97.61605021985062]
我々は、異なるデータセットの断片化アノテーションを最大限に活用するために、マルチデータセット事前訓練と呼ばれる統合フレームワークを提案する。これは、複数のデータセットに対して提案されたピクセルからプロトタイプへのコントラスト損失を通じてネットワークを事前トレーニングすることで実現される。異なるデータセットからの画像とクラス間の関係をより良くモデル化するために、クロスデータセットの混合によりピクセルレベルの埋め込みを拡張する。
論文参考訳（メタデータ） (2021-06-08T06:13:11Z)
Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文参考訳（メタデータ） (2021-05-07T03:49:26Z)
VehicleNet: Learning Robust Visual Representation for Vehicle Re-identification [116.1587709521173]
我々は,4つのパブリックな車両データセットを活用することで,大規模車両データセット(VabyNet)を構築することを提案する。 VehicleNetからより堅牢な視覚表現を学習するための、シンプルで効果的な2段階プログレッシブアプローチを設計する。 AICity Challengeのプライベートテストセットにおいて,最先端の精度86.07%mAPを実現した。
論文参考訳（メタデータ） (2020-04-14T05:06:38Z)
SVIRO: Synthetic Vehicle Interior Rear Seat Occupancy Dataset and Benchmark [11.101588888002045]
SVIROは10台の異なる車両の旅客室におけるシーンの合成データセットである。限られたバリエーションに基づいて学習した際の一般化能力と信頼性について、機械学習に基づくアプローチを解析する。
論文参考訳（メタデータ） (2020-01-10T14:44:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。