論文の概要: A Systematic Review on Computer Vision-Based Parking Lot Management Applied on Public Datasets

• arxiv url: http://arxiv.org/abs/2203.06463v1
• Date: Sat, 12 Mar 2022 15:35:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-15 13:02:36.418569
• Title: A Systematic Review on Computer Vision-Based Parking Lot Management Applied on Public Datasets
• Title（参考訳）: 公共データセットに応用したコンピュータビジョンによる駐車場管理に関するシステムレビュー
• Authors: Paulo Ricardo Lisboa de Almeida, Jeovane Hon\'orio Alves, Rafael Stubs Parpinelli and Jean Paul Barddal
• Abstract要約: 我々は、駐車場管理のためのコンピュータビジョンベースの手法をテストするために構築された、公開可能な堅牢な画像データセットを調査し、比較した。 文献レビューは、さらなる研究を必要とする関連するギャップを特定した。
• 参考スコア（独自算出の注目度）: 5.379463265037841
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Computer vision-based parking lot management methods have been extensively researched upon owing to their flexibility and cost-effectiveness. To evaluate such methods authors often employ publicly available parking lot image datasets. In this study, we surveyed and compared robust publicly available image datasets specifically crafted to test computer vision-based methods for parking lot management approaches and consequently present a systematic and comprehensive review of existing works that employ such datasets. The literature review identified relevant gaps that require further research, such as the requirement of dataset-independent approaches and methods suitable for autonomous detection of position of parking spaces. In addition, we have noticed that several important factors such as the presence of the same cars across consecutive images, have been neglected in most studies, thereby rendering unrealistic assessment protocols. Furthermore, the analysis of the datasets also revealed that certain features that should be present when developing new benchmarks, such as the availability of video sequences and images taken in more diverse conditions, including nighttime and snow, have not been incorporated.
• Abstract（参考訳）: コンピュータビジョンに基づく駐車場管理手法は,その柔軟性と費用対効果から広く研究されてきた。 このような手法を評価するために、著者は一般に利用可能な駐車場画像データセットを使用することが多い。 本研究では,パーキングロット管理のためのコンピュータビジョンベースの手法をテストするために特別に開発されたロバストな画像データセットを調査し,比較し,このようなデータセットを用いた既存作品の体系的かつ包括的なレビューを行った。 文献レビューは、データセット非依存のアプローチや駐車スペースの位置の自律的検出に適した方法など、さらなる研究を必要とする関連するギャップを特定した。 また,連続画像にまたがる同一車両の存在など,いくつかの重要な要因が多くの研究で無視されている点に気付き,非現実的な評価プロトコルが作成されている。 さらに,データ分析の結果,夜間や雪など,より多様な条件下で撮影された映像や映像の入手など,新しいベンチマークの開発に必要となる特定の特徴が組み込まれていないことが明らかとなった。

関連論文リスト

• A New Dataset for Monocular Depth Estimation Under Viewpoint Shifts [6.260553883409459]
  本稿では,異なるカメラ位置と方向が単眼深度推定性能に与える影響を定量化するための新しいデータセットと評価手法を提案する。 ホログラフィー推定と物体検出に基づく地中真理戦略を提案し,高価なライダーセンサの必要性を排除した。
  論文  参考訳（メタデータ） (2024-09-26T13:57:05Z)
• Toward Enhancing Vehicle Color Recognition in Adverse Conditions: A Dataset and Benchmark [2.326743352134195]
  車両色認識(VCR)は、視覚的に区別可能な車両の属性であるため、重要な研究の関心を集めている。 このタスクの既存の手法の成功にもかかわらず、文献で使用されるデータセットの比較的低い複雑さは、ほとんど見過ごされてきている。 この研究は、より困難なVCRシナリオを表す新しいデータセットをコンパイルすることで、このギャップに対処する。
  論文  参考訳（メタデータ） (2024-08-21T12:54:41Z)
• 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)
• The Impact of Different Backbone Architecture on Autonomous Vehicle Dataset [120.08736654413637]
  バックボーンアーキテクチャによって抽出された特徴の質は、全体的な検出性能に大きな影響を与える可能性がある。 本研究は,KITTI,NuScenes,BDDの3つの自律走行車データセットを評価し,対象検出タスクにおける異なるバックボーンアーキテクチャの性能を比較した。
  論文  参考訳（メタデータ） (2023-09-15T17:32:15Z)
• Revising deep learning methods in parking lot occupancy detection [2.682859657520006]
  駐車場案内システムは近年,スマートシティの発展パラダイムの一部として人気が高まっている。 本研究では,現在最先端の駐車場占有率検出アルゴリズムを広範囲に評価する。 我々は,その予測品質を最近登場したビジョントランスフォーマーと比較し,EfficientNetアーキテクチャに基づく新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-06-07T09:40:18Z)
• CARLA-GeAR: a Dataset Generator for a Systematic Evaluation of Adversarial Robustness of Vision Models [61.68061613161187]
  本稿では,合成データセットの自動生成ツールであるCARLA-GeARについて述べる。 このツールは、Python APIを使用して、CARLAシミュレータ上に構築されており、自律運転のコンテキストにおいて、いくつかのビジョンタスク用のデータセットを生成することができる。 本稿では,CARLA-GeARで生成されたデータセットが,現実世界の敵防衛のベンチマークとして今後どのように利用されるかを示す。
  論文  参考訳（メタデータ） (2022-06-09T09:17:38Z)
• Multi-Camera Vehicle Counting Using Edge-AI [12.698230770450836]
  本稿では、異なる視点からより広い駐車場を監視できる複数の視覚源を提案する。 提案するマルチカメラシステムは、エッジデバイス上で駐車場全体に存在する車両数を自動推定することができる。
  論文  参考訳（メタデータ） (2021-06-05T08:52:20Z)
• Unsupervised Domain Adaption of Object Detectors: A Survey [87.08473838767235]
  近年のディープラーニングの進歩は、様々なコンピュータビジョンアプリケーションのための正確で効率的なモデルの開発につながっている。 高度に正確なモデルを学ぶには、大量の注釈付きイメージを持つデータセットの可用性に依存する。 このため、ラベルスカースデータセットに視覚的に異なる画像がある場合、モデルの性能は大幅に低下する。
  論文  参考訳（メタデータ） (2021-05-27T23:34:06Z)
• Diverse Complexity Measures for Dataset Curation in Self-driving [80.55417232642124]
  トラフィックシーンの面白さを定量化する多様な基準を活用した新たなデータ選択手法を提案する。 実験の結果,提案するキュレーションパイプラインは,より汎用的で高いパフォーマンスをもたらすデータセットを選択できることが判明した。
  論文  参考訳（メタデータ） (2021-01-16T23:45:02Z)
• Self-supervised Human Detection and Segmentation via Multi-view Consensus [116.92405645348185]
  本稿では,トレーニング中に幾何学的制約を多視点一貫性という形で組み込むマルチカメラフレームワークを提案する。 本手法は,標準ベンチマークから視覚的に外れた画像に対して,最先端の自己監視的人物検出とセグメンテーション技術に勝ることを示す。
  論文  参考訳（メタデータ） (2020-12-09T15:47:21Z)
• GraspNet: A Large-Scale Clustered and Densely Annotated Dataset for Object Grasping [49.777649953381676]
  我々は,統合評価システムを用いた大規模グリップポーズ検出データセットに貢献する。 データセットには87,040枚のRGBD画像と3億7000万枚以上のグリップポーズが含まれている。
  論文  参考訳（メタデータ） (2019-12-31T18:15:11Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。