論文の概要: BCFPL: Binary classification ConvNet based Fast Parking space recognition with Low resolution image
- arxiv url: http://arxiv.org/abs/2404.14198v1
- Date: Mon, 22 Apr 2024 14:07:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 13:47:08.926715
- Title: BCFPL: Binary classification ConvNet based Fast Parking space recognition with Low resolution image
- Title（参考訳）: BCFPL:低解像度画像を用いたConvNetに基づく高速駐車空間認識
- Authors: Shuo Zhang, Xin Chen, Zixuan Wang,
- Abstract要約: 我々はBCFPLという軽量な設計構造を持つ二元畳み込みニューラルネットワークを提案し、低解像度の駐車空間画像でトレーニングすることができる。
実験の結果,BCFPLの精度は元の解像度画像と比較して低下しないことがわかった。
また、BCFPLはハードウェア要件が低く、プライバシー要件を満たす間に認識速度が速いため、インテリジェントな都市建設や自動運転分野にも応用できる可能性がある。
- 参考スコア（独自算出の注目度）: 15.383714894648753
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The automobile plays an important role in the economic activities of mankind, especially in the metropolis. Under the circumstances, the demand of quick search for available parking spaces has become a major concern for the automobile drivers. Meanwhile, the public sense of privacy is also awaking, the image-based parking space recognition methods lack the attention of privacy protection. In this paper, we proposed a binary convolutional neural network with lightweight design structure named BCFPL, which can be used to train with low-resolution parking space images and offer a reasonable recognition result. The images of parking space were collected from various complex environments, including different weather, occlusion conditions, and various camera angles. We conducted the training and testing progresses among different datasets and partial subsets. The experimental results show that the accuracy of BCFPL does not decrease compared with the original resolution image directly, and can reach the average level of the existing mainstream method. BCFPL also has low hardware requirements and fast recognition speed while meeting the privacy requirements, so it has application potential in intelligent city construction and automatic driving field.
- Abstract（参考訳）: 自動車は人類の経済活動、特にメトロポリスにおいて重要な役割を果たしている。
このような状況下では、利用可能な駐車場の迅速な検索の需要が自動車運転者にとって大きな関心事となっている。
一方、公共のプライバシー意識も目覚めており、画像に基づく駐車スペース認識手法はプライバシー保護の注意を欠いている。
本稿では,BCFPLという軽量な設計構造を持つ二元畳み込みニューラルネットワークを提案する。
駐車スペースの画像は、異なる天候、閉塞状態、様々なカメラアングルを含む様々な複雑な環境から収集された。
異なるデータセットと部分的なサブセットのトレーニングとテストを実施しました。
実験の結果、BCFPLの精度は元の解像度画像と直接比較しても低下せず、既存の主流手法の平均レベルに達することが判明した。
また、BCFPLはハードウェア要件が低く、プライバシー要件を満たす間に認識速度が速いため、インテリジェントな都市建設や自動運転分野にも応用できる可能性がある。
関連論文リスト
- Using Deep Neural Networks to Quantify Parking Dwell Time [1.401593872543569]
スマートシティでは、駐車スペースの最大滞在距離を定義して空間の回転性を高めることが一般的である。
本稿では,2つのディープニューラルネットワークを組み合わせることで,駐車場内の各車の滞留時間を計算する手法を提案する。
論文 参考訳（メタデータ） (2024-10-31T19:02:46Z) - Neuromorphic Synergy for Video Binarization [54.195375576583864]
バイモーダルオブジェクトは視覚システムによって容易に認識できる情報を埋め込む視覚形式として機能する。
ニューロモルフィックカメラは、動きのぼかしを緩和する新しい機能を提供するが、最初にブルーを脱色し、画像をリアルタイムでバイナライズするのは簡単ではない。
本稿では,イベント空間と画像空間の両方で独立に推論を行うために,バイモーダル目標特性の事前知識を活用するイベントベースバイナリ再構築手法を提案する。
また、このバイナリ画像を高フレームレートバイナリビデオに伝搬する効率的な統合手法も開発している。
論文 参考訳（メタデータ） (2024-02-20T01:43:51Z) - Spatial-temporal Vehicle Re-identification [3.7748602100709534]
信頼性の高いカメラネットワークトポロジを推定する空間時空間車両ReIDフレームワークを提案する。
提案手法に基づいて,公開データセット(VeRi776)において,ランク1の精度の99.64%向上した。
論文 参考訳（メタデータ） (2023-09-03T13:07:38Z) - EventTransAct: A video transformer-based framework for Event-camera
based action recognition [52.537021302246664]
イベントカメラは、RGBビデオの標準アクション認識と比較して、新しい機会を提供する。
本研究では,最初にイベントフレーム当たりの空間埋め込みを取得するビデオトランスフォーマーネットワーク(VTN)という,計算効率のよいモデルを用いる。
イベントデータのスパースできめ細かい性質にVTNをよりよく採用するために、イベントコントラストロス(mathcalL_EC$)とイベント固有の拡張を設計する。
論文 参考訳（メタデータ） (2023-08-25T23:51:07Z) - Automatic Vision-Based Parking Slot Detection and Occupancy
Classification [3.038642416291856]
パーキング誘導情報(PGI)システムは、最も近い駐車場と空き駐車場の数についてドライバーに情報を提供するために使用される。
近年、視覚ベースのソリューションは標準的なPGIシステムに代わる費用対効果の代替として現れ始めている。
本稿では,入力画像のみに基づいて自動駐車スロット検出・職業分類(APSD-OC)を行うアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-08-16T07:44:34Z) - 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) - Federated Deep Learning Meets Autonomous Vehicle Perception: Design and
Verification [168.67190934250868]
フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。
FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。
マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
論文 参考訳（メタデータ） (2022-06-03T23:55:45Z) - Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge
TPU [58.720142291102135]
本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。
我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
論文 参考訳（メタデータ） (2022-04-07T08:53:18Z) - 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) - Robust Semi-supervised Federated Learning for Images Automatic
Recognition in Internet of Drones [57.468730437381076]
プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。
異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。
本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
論文 参考訳（メタデータ） (2022-01-03T16:49:33Z)
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。