您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
AI自动探测停车位，节省时间和资源
2019年03月07日 由 冯鸥 发表
970899
0
在美国有多达20亿个停车位，但在大城市找到一个空位也很困难。为了帮助城市规划者和司机更有效地管理和寻找开放空间，麻省理工学院的研究人员开发了一个基于深度学习的系统，可以从视频信息中自动检测的空位。研究人员指出：“停车位的建造费用很高，停车费难以执行，司机浪费了大量时间寻找空位。准确的量化将为开发商和市政当局提供空间分配和设计，而实时测量将为驾驶员和停车执法部门提供信息，节省时间和资源。”
使用 NVIDIA的GeForce GTX GPU的1080Ti与cuDNN -accelerated TensorFlow深度学习框架。该团队用来自多个数据集（包括COCO数据集）的数百万图像和视频对卷积神经网络训练，以检测车辆及其边界。经过训练后，该系统可以准确地检测到开放的停车位。对于实时处理，该算法还依赖于 NVIDIA GeForce GTX 1080Ti GPU。
该图像展示了本研究中使用的实例分割算法的结果，该算法检测感兴趣的对象类，用一个包围框对其进行定位，并对识别的对象提供像素级的定位或掩码。
团队表示，“与基于空间的方法不同，需要对每个不同的停车设施进行标记和训练，我们只需要标记一次停车场边界和周围的道路区域，就可以为一个新的停车设施配置我们的系统。标签只是为了验证我们的结果。”
该系统还可以过滤大量的特征，包括车辆类型，颜色，是传统的出租车还是送货卡车，每小时的使用率指标，过去的趋势以及有关进入汽车的汽车的历史数据。
在准确性方面，系统比纯图像方法表现更好。该系统在性能上也与依赖更昂贵传感器的先进商业系统相当。
研究人员表示，“我们的系统显示出了巨大的潜力，不仅在城市范围内具有可扩展性，而且其输出的丰富程度超出了传统的二进制占用统计数据。”
论文：
arxiv.org/pdf/1902.07401.pdf
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消