論文の概要: Advancing Real-World Parking Slot Detection with Large-Scale Dataset and Semi-Supervised Baseline

• arxiv url: http://arxiv.org/abs/2509.13133v1
• Date: Tue, 16 Sep 2025 14:50:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-17 17:50:53.130304
• Title: Advancing Real-World Parking Slot Detection with Large-Scale Dataset and Semi-Supervised Baseline
• Title（参考訳）: 大規模データセットと半スーパービジョンベースラインを用いた実世界駐車スロット検出の高速化
• Authors: Zhihao Zhang, Chunyu Lin, Lang Nie, Jiyuan Wang, Yao Zhao,
• Abstract要約: 本研究では,駐車環境を包括的に観察するサラウンドビューカメラを用いた駐車スロット検出に焦点を当てた。 まず,大規模駐車スロット検出データセット(CRPS-D)を構築した。 SS-PSDと呼ばれる駐車スロット検出のための半教師付きベースラインを開発し、ラベルのないデータを活用することにより、さらなる性能向上を図る。
• 参考スコア（独自算出の注目度）: 65.25540269603553
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As automatic parking systems evolve, the accurate detection of parking slots has become increasingly critical. This study focuses on parking slot detection using surround-view cameras, which offer a comprehensive bird's-eye view of the parking environment. However, the current datasets are limited in scale, and the scenes they contain are seldom disrupted by real-world noise (e.g., light, occlusion, etc.). Moreover, manual data annotation is prone to errors and omissions due to the complexity of real-world conditions, significantly increasing the cost of annotating large-scale datasets. To address these issues, we first construct a large-scale parking slot detection dataset (named CRPS-D), which includes various lighting distributions, diverse weather conditions, and challenging parking slot variants. Compared with existing datasets, the proposed dataset boasts the largest data scale and consists of a higher density of parking slots, particularly featuring more slanted parking slots. Additionally, we develop a semi-supervised baseline for parking slot detection, termed SS-PSD, to further improve performance by exploiting unlabeled data. To our knowledge, this is the first semi-supervised approach in parking slot detection, which is built on the teacher-student model with confidence-guided mask consistency and adaptive feature perturbation. Experimental results demonstrate the superiority of SS-PSD over the existing state-of-the-art (SoTA) solutions on both the proposed dataset and the existing dataset. Particularly, the more unlabeled data there is, the more significant the gains brought by our semi-supervised scheme. The relevant source codes and the dataset have been made publicly available at https://github.com/zzh362/CRPS-D.
• Abstract（参考訳）: 自動駐車システムが進化するにつれて、駐車場の正確な検知がますます重要になっている。 本研究では,駐車環境を包括的に観察するサラウンドビューカメラを用いた駐車スロット検出に焦点を当てた。 しかし、現在のデータセットは規模が限られており、それらを含むシーンは現実世界のノイズ(例えば、光、閉塞など)によって滅多に破壊されない。 さらに、手動データアノテーションは、実世界の条件が複雑であるためにエラーや省略の傾向があり、大規模なデータセットに注釈を付けるコストが大幅に増加する。 これらの問題に対処するため,我々はまず大規模駐車スロット検出データセット(CRPS-D)を構築した。 既存のデータセットと比較すると、提案データセットは最大のデータスケールを持ち、駐車場の密度が高い。 さらに、SS-PSDと呼ばれる駐車スロット検出のための半教師付きベースラインを開発し、ラベルのないデータを活用することにより、さらなる性能向上を図る。 我々の知る限り、これはパーキングスロット検出における最初の半教師付きアプローチであり、信頼度誘導マスクの整合性と適応的特徴摂動を用いた教師学生モデルに基づいて構築されている。 実験の結果,提案したデータセットと既存データセットの両方において,既存の最先端(SoTA)ソリューションよりもSS-PSDの方が優れていることが示された。 特に、ラベルのないデータが多ければ多いほど、半教師付きスキームがもたらす利益は大きくなる。 関連するソースコードとデータセットはhttps://github.com/zzh362/CRPS-Dで公開されている。

関連論文リスト

• PFSD: A Multi-Modal Pedestrian-Focus Scene Dataset for Rich Tasks in Semi-Structured Environments [73.80718037070773]
  本稿では, 半構造化シーンに, nuScenesの形式を付加したマルチモーダルなPedestrian-Focused Sceneデータセットを提案する。 また,密集・隠蔽シナリオにおける歩行者検出のためのHMFN(Hybrid Multi-Scale Fusion Network)を提案する。
  論文  参考訳（メタデータ） (2025-02-21T09:57:53Z)
• Deep Single Models vs. Ensembles: Insights for a Fast Deployment of Parking Monitoring Systems [3.00363876980149]
  多くのアプローチでは大量のデータの収集とラベル付けを行うため、インテリジェントな駐車監視は依然として課題である。 本研究の目的は,公用ラベル付き駐車場画像を用いて訓練されたグローバルなフレームワーク構築の課題を明らかにすることである。 その結果、多様なデータセットでトレーニングされたモデルは、目標駐車場におけるデータアノテーションやモデルトレーニングの負担を伴わずに95%の精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2023-09-28T14:59:53Z)
• PPD: A New Valet Parking Pedestrian Fisheye Dataset for Autonomous Driving [18.71208933251644]
  駐車歩行者のデータセットは、魚眼カメラで捕獲されたいくつかの特徴的なタイプの歩行者で構成されている。 歩行者検出ベースラインをPDDデータセット上に提示し、ベースラインを改善するために2つのデータ拡張手法を導入する。
  論文  参考訳（メタデータ） (2023-09-20T01:55:19Z)
• LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
  道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。 しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。 カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
  論文  参考訳（メタデータ） (2023-06-14T05:48:36Z)
• SUPS: A Simulated Underground Parking Scenario Dataset for Autonomous Driving [41.221988979184665]
  SUPSは地下自動駐車のシミュレーションデータセットである。 複数のセンサーと連続したイメージに合わせた複数のセマンティックラベルを備えた複数のタスクをサポートする。 また、我々のデータセット上で、最先端のSLAMアルゴリズムと知覚モデルを評価する。
  論文  参考訳（メタデータ） (2023-02-25T02:59:12Z)
• 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。