論文の概要: SHINE: Deep Learning-Based Accessible Parking Management System
- arxiv url: http://arxiv.org/abs/2302.00837v1
- Date: Thu, 2 Feb 2023 02:46:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-03 15:42:25.671178
- Title: SHINE: Deep Learning-Based Accessible Parking Management System
- Title（参考訳）: 深層学習型アクセシブルパーキング管理システムShine
- Authors: Dhiraj Neupane, Aashish Bhattarai, Sunil Aryal, Mohamed Reda
Bouadjenek, Uk-Min Seok, and Jongwon Seok
- Abstract要約: 韓国を含む世界の多くの地域で、自動車の数が急増している。
車両数の増加は、障害者の駐車スペースを乱用するなど、駐車関連の問題に繋がる。
パーキング4.0の概念の高まりにより、多くのセンサー、IoTおよびディープラーニングベースのアプローチが自動LPRとパーキング管理システムに適用された。
深層学習に基づく物体検出アルゴリズムを用いて車両,ナンバープレート,障害バッジを検出するシステム「SHINE」を提案する。
- 参考スコア（独自算出の注目度）: 1.6547966330195119
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The enhancement of science and technology has helped expand urban cities like
never before. Due to the undeniable benefits of owning a private vehicle, the
number of cars has rocketed in many parts of the world, including South Korea.
However, these gradual increments in the number of vehicles lead to
parking-related problems, including the abuse of disabled parking spaces
(referred to as accessible parking spaces hereafter). Due to the high frame
rate of surveillance cameras, traditional license plate recognition (LPR)
systems are ineffective in real-time. On the other hand, natural and artificial
noise and differences in lighting and weather conditions make detection and
recognition difficult for these systems. With the growing concept of parking
4.0, many sensors, IoT and deep learning-based approaches have been applied to
automatic LPR and parking management systems. However, the studies show a need
for a robust and efficient model for managing accessible parking spaces in
South Korea. We have proposed a novel system called 'SHINE', which uses the
deep learning-based object detection algorithm for detecting the vehicle,
license plate, and disability badges (referred to as cards, badges, or access
badges hereafter) and then authenticates the rights to use the accessible
parking spaces by coordinating with the central server. This model, achieving
92.16% mean average precision, is believed to solve the problem of accessible
parking space abuse.
- Abstract（参考訳）: 科学技術の強化は、かつてないほど都市を拡大するのに役立った。
自家用車の所有という不確実な利点のため、韓国を含む世界中の多くの地域で自動車の数が急増している。
しかし、車両数の段階的な増加は、障害駐車スペースの濫用など、駐車関連の問題に繋がる(以下、アクセス可能な駐車スペースとして参照)。
監視カメラのフレームレートが高いため、従来のナンバープレート認識(LPR)システムはリアルタイムでは有効ではない。
一方,自然音や人工音や照明や気象条件の違いは,これらのシステムでは検出や認識が困難である。
パーキング4.0の概念の高まりにより、多くのセンサー、IoTおよびディープラーニングベースのアプローチが自動LPRとパーキング管理システムに適用された。
しかし,韓国では,アクセス可能な駐車スペースを管理するための頑健で効率的なモデルの必要性が示唆された。
我々は,車両,ナンバープレート,障害バッジ(カード,バッジ,以降のアクセスバッジ)の検出にディープラーニングに基づく物体検出アルゴリズムを用いた「SHINE」という新しいシステムを提案し,その後,中央サーバと協調してアクセス可能な駐車場を利用する権利を認証した。
このモデルは平均精度92.16%に達し、アクセス可能な駐車スペース乱用の問題を解決していると考えられている。
関連論文リスト
- GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [82.19172267487998]
GARLIC: GPT拡張強化学習のフレームワーク。
本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
論文 参考訳（メタデータ） (2024-08-19T08:23:38Z) - Smart Camera Parking System With Auto Parking Spot Detection [1.0512475026060208]
PakStaと呼ばれる新しい手法で駐車場の状態を自動識別する。
本手法はPakLocのオブジェクト検出器を用いて,ビデオフレーム内の駐車場の占有状況を同時に判定する。
提案手法がPKLotデータセットに与える影響は, 人的労働力の94.25%を大幅に削減する結果となった。
論文 参考訳（メタデータ） (2024-07-07T19:00:11Z) - Truck Parking Usage Prediction with Decomposed Graph Neural Networks [15.291200515217513]
貨物回廊のトラックの駐車は、不十分な駐車場の大きな課題に直面している。
正確な駐車場利用予測を提供することは、安全でない駐車慣行を減らすためのコスト効率の高いソリューションであることが示されている。
本稿では地域時間グラフニューラルネットワーク(RegT-CN)を提案する。
論文 参考訳（メタデータ） (2024-01-23T17:14:01Z) - Enhancing Vehicle Entrance and Parking Management: Deep Learning
Solutions for Efficiency and Security [0.6963706761322421]
あらゆる組織における車両の入場と駐車は、記録保持、効率性、セキュリティ上の懸念を含む複雑な課題である。
我々は最先端のディープラーニングモデルを活用し、あらゆる組織に車両の進入と駐車のプロセスを自動化した。
車両検出,ナンバープレート検出,顔検出,認識などの深層学習モデルの訓練を行ったが,YOLOv8nモデルは他のモデルよりも優れていた。
論文 参考訳（メタデータ） (2023-12-05T12:02:53Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳（メタデータ） (2023-10-08T21:32:30Z) - Vehicle Occurrence-based Parking Space Detection [5.084185653371259]
本研究では、駐車場の画像列を受信し、検出された駐車場を識別する座標のリストを返す自動駐車空間検出方法を提案する。
PKLotとCNRPark-EXTの駐車場データから12の異なる部分集合を用いた結果、AP25のスコアは95.60%、AP50のスコアは79.90%に達した。
論文 参考訳（メタデータ） (2023-06-16T16:22:45Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。
実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
論文 参考訳（メタデータ） (2022-07-05T16:33:20Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳（メタデータ） (2022-06-28T17:08:31Z) - Differentiable Control Barrier Functions for Vision-based End-to-End
Autonomous Driving [100.57791628642624]
本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。
我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
論文 参考訳（メタデータ） (2022-03-04T16:14:33Z) - Smart Parking Space Detection under Hazy conditions using Convolutional
Neural Networks: A Novel Approach [0.0]
本稿では, 空き環境下での駐車スペース占有性能を向上させるデハジングネットワークの利用について検討する。
提案システムは既存のスマートパーキングシステムの一部として展開可能で、数百台のパーキングスペースを監視するために、限られた数のカメラが使用されている。
論文 参考訳（メタデータ） (2022-01-15T14:15:46Z)
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。