Fugu-MT 論文翻訳(概要): Enhancing Vehicle Entrance and Parking Management: Deep Learning Solutions for Efficiency and Security

論文の概要: Enhancing Vehicle Entrance and Parking Management: Deep Learning Solutions for Efficiency and Security

arxiv url: http://arxiv.org/abs/2312.02699v1
Date: Tue, 5 Dec 2023 12:02:53 GMT
ステータス: 処理完了
システム内更新日: 2023-12-06 15:56:26.467933
Title: Enhancing Vehicle Entrance and Parking Management: Deep Learning Solutions for Efficiency and Security
Title（参考訳）: 車両導入と駐車管理の強化:効率性とセキュリティのためのディープラーニングソリューション
Authors: Muhammad Umer Ramzan, Usman Ali, Syed Haider Abbas Naqvi, Zeeshan Aslam, Tehseen, Husnain Ali, Muhammad Faheem
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.6963706761322421
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The auto-management of vehicle entrance and parking in any organization is a complex challenge encompassing record-keeping, efficiency, and security concerns. Manual methods for tracking vehicles and finding parking spaces are slow and a waste of time. To solve the problem of auto management of vehicle entrance and parking, we have utilized state-of-the-art deep learning models and automated the process of vehicle entrance and parking into any organization. To ensure security, our system integrated vehicle detection, license number plate verification, and face detection and recognition models to ensure that the person and vehicle are registered with the organization. We have trained multiple deep-learning models for vehicle detection, license number plate detection, face detection, and recognition, however, the YOLOv8n model outperformed all the other models. Furthermore, License plate recognition is facilitated by Google's Tesseract-OCR Engine. By integrating these technologies, the system offers efficient vehicle detection, precise identification, streamlined record keeping, and optimized parking slot allocation in buildings, thereby enhancing convenience, accuracy, and security. Future research opportunities lie in fine-tuning system performance for a wide range of real-world applications.
Abstract（参考訳）: あらゆる組織における自動車の入り口と駐車の自動管理は、記録保持、効率、セキュリティ上の懸念を含む複雑な課題である。車両を追跡し駐車スペースを見つける手作業の方法は遅く、時間の無駄である。車両の入口と駐車場の自動管理の問題を解決するため,最先端の深層学習モデルを活用し,どの組織にも車両の入口と駐車のプロセスを自動化した。セキュリティを確保するために,車両検出,ナンバープレート認証,顔検出および認識モデルを統合し,車両と車両が組織に登録されていることを保証する。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。さらに、GoogleのTesseract-OCRエンジンによって、ライセンスプレート認識が促進される。これらの技術を統合することで、効率的な車両検出、正確な識別、合理化された記録保持、建物内の駐車スペース割り当ての最適化が実現され、利便性、精度、安全性が向上する。将来の研究の機会は、幅広い実世界のアプリケーションにおけるシステムパフォーマンスの微調整にある。

関連論文リスト

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)
AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
論文参考訳（メタデータ） (2024-03-26T04:27:56Z)
Suspicious Vehicle Detection Using Licence Plate Detection And Facial Feature Recognition [0.0]
本論文の主目的は,走行中の犯罪者や盗難車両の車両の安全とリアルタイム追跡を確保するために,顔認識とナンバープレート認識を組み合わせたモデルを開発することである。
論文参考訳（メタデータ） (2023-04-18T06:44:08Z)
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)
SHINE: Deep Learning-Based Accessible Parking Management System [1.7109513360384465]
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。
論文参考訳（メタデータ） (2023-02-02T02:46:52Z)
Computer vision based vehicle tracking as a complementary and scalable approach to RFID tagging [0.0]
RFIDタグ付けは、ロジスティクスと技術面での車両追跡ソリューションのスケーラビリティを損なう。我々は、コンピュータビジョンアルゴリズムの公開実装を活用して、解釈可能な車両追跡アルゴリズムを開発する。システム展開サイトから75本のビデオクリップ285本について,提案手法の評価を行った。
論文参考訳（メタデータ） (2022-09-13T11:49:38Z)
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)
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)
Computer vision in automated parking systems: Design, implementation and challenges [0.24704967483128953]
本稿では,コンピュータビジョンアルゴリズムの観点から,自動駐車システムの設計と実装について議論する。パーキングユースケースを実現するキービジョンモジュールは、3D再構築、パーキングスロットマーキング認識、空きスペース、車両/歩行者検出です。
論文参考訳（メタデータ） (2021-04-26T13:18:02Z)
Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。 5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文参考訳（メタデータ） (2021-03-26T01:18:11Z)
The Devil is in the Details: Self-Supervised Attention for Vehicle Re-Identification [75.3310894042132]
車両識別のための自己監督的注意(SAVER)は、車両固有の識別特徴を効果的に学習するための新しいアプローチである。我々は,SAVERがVeRi, VehicleID, Vehicle-1M, VERI-Wildのデータセットに挑戦する際の最先端性を改善することを示す。
論文参考訳（メタデータ） (2020-04-14T02:24:47Z)

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。