論文の概要: Parking Space Detection in the City of Granada
- arxiv url: http://arxiv.org/abs/2501.06651v1
- Date: Sat, 11 Jan 2025 22:29:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-14 14:24:36.777427
- Title: Parking Space Detection in the City of Granada
- Title（参考訳）: グラナダ市における駐車スペース検出
- Authors: Crespo-Orti Luis, Moreno-Cuadrado Isabel, Olivares-Martínez Pablo, Sanz-Tornero Ximo,
- Abstract要約: 本稿では,グラナダ市を中心に,都市部における駐車スペース検出の課題について論じる。
我々は駐車中の車、移動中の車、道路を正確に識別するためにセマンティックセグメンテーション技術を開発し応用する。
都市セマンティックセグメンテーションにおける有効性を示すために, 完全畳み込みネットワーク, ピラミッドネットワーク, 拡張畳み込みネットワークを採用している。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: This paper addresses the challenge of parking space detection in urban areas, focusing on the city of Granada. Utilizing aerial imagery, we develop and apply semantic segmentation techniques to accurately identify parked cars, moving cars and roads. A significant aspect of our research is the creation of a proprietary dataset specific to Granada, which is instrumental in training our neural network model. We employ Fully Convolutional Networks, Pyramid Networks and Dilated Convolutions, demonstrating their effectiveness in urban semantic segmentation. Our approach involves comparative analysis and optimization of various models, including Dynamic U-Net, PSPNet and DeepLabV3+, tailored for the segmentation of aerial images. The study includes a thorough experimentation phase, using datasets such as UDD5 and UAVid, alongside our custom Granada dataset. We evaluate our models using metrics like Foreground Accuracy, Dice Coefficient and Jaccard Index. Our results indicate that DeepLabV3+ offers the most promising performance. We conclude with future directions, emphasizing the need for a dedicated neural network for parked car detection and the potential for application in other urban environments. This work contributes to the fields of urban planning and traffic management, providing insights into efficient utilization of parking spaces through advanced image processing techniques.
- Abstract（参考訳）: 本稿では,グラナダ市を中心に,都市部における駐車スペース検出の課題について論じる。
航空画像を利用して,駐車した車,移動車,道路を正確に識別するためのセマンティックセグメンテーション技術を開発し,応用する。
私たちの研究の重要な側面は、ニューラルネットワークモデルをトレーニングする上で有用な、グラナダ特有の独自のデータセットの作成です。
都市セマンティックセグメンテーションにおける有効性を示すために, 完全畳み込みネットワーク, ピラミッドネットワーク, 拡張畳み込みネットワークを採用している。
提案手法では,航空画像のセグメンテーションに適した動的U-Net,PSPNet,DeepLabV3+など,様々なモデルの比較分析と最適化を行う。
この研究には、独自のグラナダデータセットとともに、UDD5やUAVidといったデータセットを使用して、徹底的な実験フェーズが含まれています。
私たちは、フォアグラウンド精度、Dice Coefficient、Jaccard Indexといった指標を使ってモデルを評価します。
我々の結果は、DeepLabV3+が最も有望なパフォーマンスを提供することを示している。
我々は、駐車中の車検出のための専用ニューラルネットワークの必要性と、他の都市環境への応用の可能性を強調しながら、今後の方向性を結論付けている。
この研究は都市計画と交通管理の分野に貢献し、高度な画像処理技術による駐車場の効率的な利用に関する洞察を提供する。
関連論文リスト
- Empowering Urban Traffic Management: Elevated 3D LiDAR for Data Collection and Advanced Object Detection Analysis [4.831084635928491]
本稿では,高機能LiDARセンサのパワーを利用して,交通シナリオにおける3次元物体の検出と解析を変換する新しいフレームワークを提案する。
実世界のトラフィックデータセットの取得に制限があるため、シミュレータを用いて特定のシナリオに対して3Dポイントクラウドを生成する。
論文 参考訳（メタデータ） (2024-05-21T21:12:09Z) - Point Cloud Segmentation Using Transfer Learning with RandLA-Net: A Case
Study on Urban Areas [0.5242869847419834]
本稿では,都市部における大規模クラウドデータの3次元セグメンテーションのための最先端のニューラルネットワークアーキテクチャであるRandLA-Netの応用について述べる。
この研究は中国三大都市、Chengdu、Jiaoda、Shnzhenに焦点を当て、セグメンテーション性能を高めるためにその特徴を活用している。
論文 参考訳（メタデータ） (2023-12-19T06:13:58Z) - SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point
Clouds [52.624157840253204]
センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。
データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
論文 参考訳（メタデータ） (2022-01-12T14:48:11Z) - Learning to integrate vision data into road network data [14.86655504533083]
道路ネットワークは、コネクテッドおよび自律走行車の中核となるインフラである。
本稿では、グラフニューラルネットワークによる埋め込みを改善するために、リモートセンシングビジョンデータをネットワークデータに統合することを提案する。
中国・成都市におけるOSM+Di Chuxingデータセットの最先端性能を実現した。
論文 参考訳（メタデータ） (2021-12-20T15:38:49Z) - Semantic Segmentation on Swiss3DCities: A Benchmark Study on Aerial
Photogrammetric 3D Pointcloud Dataset [67.44497676652173]
スイスの3つの都市から採取された総面積2.7 km2$の屋外3Dポイントクラウドデータセットを紹介した。
データセットは、ポイントごとのラベルによるセマンティックセグメンテーションのために手動でアノテートされ、高解像度カメラを備えたマルチローターによって取得された画像のフォトグラムを用いて構築される。
論文 参考訳（メタデータ） (2020-12-23T21:48:47Z) - Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data
Augmentation [77.60050239225086]
実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。
私達のアプローチは人間の相互作用なしで完全に自動です。
VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-15T03:03:38Z) - PP-LinkNet: Improving Semantic Segmentation of High Resolution Satellite
Imagery with Multi-stage Training [4.694536172504848]
道路網と建築物のフットプリント抽出は、地図の更新、交通規制、都市計画、ライドシェアリング、災害対応テキストテットックなど、多くのアプリケーションにとって不可欠である。
論文 参考訳（メタデータ） (2020-10-14T10:23:48Z) - PointContrast: Unsupervised Pre-training for 3D Point Cloud
Understanding [107.02479689909164]
本研究では,3次元表現学習の研究を支援することを目的とする。
教師なし事前学習が3Dシーンの大規模なソースセットに与える影響を計測する。
論文 参考訳（メタデータ） (2020-07-21T17:59:22Z) - VectorNet: Encoding HD Maps and Agent Dynamics from Vectorized
Representation [74.56282712099274]
本稿では,ベクトルで表される個々の道路成分の空間的局所性を利用する階層型グラフニューラルネットワークであるVectorNetを紹介する。
ベクトル化高定義(HD)マップとエージェントトラジェクトリの操作により、ロッキーなレンダリングや計算集約的なConvNetエンコーディングのステップを避けることができる。
我々は、社内行動予測ベンチマークと最近リリースされたArgoverse予測データセットでVectorNetを評価した。
論文 参考訳（メタデータ） (2020-05-08T19:07:03Z) - Traffic Lane Detection using FCN [0.0]
車線検出は、自動運転車が都市部の複数車線走行環境に適切に配置できるようにする重要な技術だ。
本プロジェクトでは,車線検出のための畳み込みデコーダであるFully Convolutional Networkを設計した。
このモデルを実世界の大規模データセットに適用し,ベースラインモデルを上回る精度を達成した。
論文 参考訳（メタデータ） (2020-04-19T22:25:12Z) - Real-Time High-Performance Semantic Image Segmentation of Urban Street
Scenes [98.65457534223539]
都市景観のロバストなセマンティックセマンティックセグメンテーションのためのリアルタイムDCNNに基づく高速DCNN手法を提案する。
提案手法は, 51.0 fps と 39.3 fps の推論速度で, 平均 73.6% と平均 68.0% (mIoU) の精度を実現する。
論文 参考訳（メタデータ） (2020-03-11T08:45:53Z)
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。