論文の概要: SHINE: Deep Learning-Based Accessible Parking Management System
- arxiv url: http://arxiv.org/abs/2302.00837v3
- Date: Wed, 18 Oct 2023 00:15:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-19 21:01:55.091684
- 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: 自家用車の増加により、障害者の駐車スペースが乱用されている。
従来のライセンスプレート認識(LPR)システムは、そのような問題にリアルタイムで対処する上で非効率であることが証明されている。
我々は,深層学習に基づく物体検出アルゴリズムを用いて車両を検知するシステム,Shineを提案する。
- 参考スコア（独自算出の注目度）: 1.7109513360384465
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The ongoing expansion of urban areas facilitated by advancements in science
and technology has resulted in a considerable increase in the number of
privately owned vehicles worldwide, including in South Korea. However, this
gradual increment in the number of vehicles has inevitably led to
parking-related issues, including the abuse of disabled parking spaces
(hereafter referred to as accessible parking spaces) designated for individuals
with disabilities. Traditional license plate recognition (LPR) systems have
proven inefficient in addressing such a problem in real-time due to the high
frame rate of surveillance cameras, the presence of natural and artificial
noise, and variations in lighting and weather conditions that impede detection
and recognition by 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. Nonetheless, the studies show a need for a
robust and efficient model for managing accessible parking spaces in South
Korea. To address this, 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 verifies the rights of the driver to use
accessible parking spaces by coordinating with the central server. Our model,
which achieves a mean average precision of 92.16%, is expected to address the
issue of accessible parking space abuse and contributes significantly towards
efficient and effective parking management in urban environments.
- Abstract（参考訳）: 科学技術の進歩により、現在進行中の都市部の拡大は、韓国を含む世界中の民間所有車両の数が大幅に増加した。
しかし、この段階的な車両数の増加は必然的に、障害者専用駐車スペース(以下「アクセス可能な駐車スペース」と呼ぶ)の乱用など、駐車関連の問題を引き起こしている。
従来のlprシステムは、監視カメラのフレームレートが高いこと、自然と人工のノイズの存在、これらのシステムによる検出と認識を妨げる照明や気象条件の変化などにより、このような問題をリアルタイムに対処できないことが証明されている。
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。
それにもかかわらず、この研究は韓国でアクセス可能な駐車スペースを管理するための堅牢で効率的なモデルの必要性を示している。
これに対処するため,我々は,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(以下,カード,バッジ,アクセスバッジとして参照)を検出し,中央サーバと協調してアクセス可能な駐車スペースの使用権を検証する,shineという新しいシステムを提案する。
本モデルは,平均92.16%の精度を実現し,アクセス可能な駐車スペース乱用の問題に対処し,都市環境における効率的な駐車管理に大いに寄与する。
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。