美国有多达20亿个停车位,要在大城市找到一个停车位可能会很复杂。为了帮助城市规划者和司机更有效地管理和发现开放空间,麻省理工学院的研究人员开发了一种基于深度学习的系统,可以从视频提要中自动检测开放点。

研究人员在论文中指出:“停车位建设成本高昂,停车费难以执行,司机们浪费了过多的时间在寻找空地上。”“精确的量化将为开发商和市政当局提供空间分配和设计方面的信息,而实时测量将为司机和停车执法部门提供节省时间和资源的信息。”

该团队使用NVIDIA GeForce GTX 1080Ti gpu和cudn -accelerated TensorFlow深度学习框架,对来自多个数据集(包括COCO数据集)的数百万张图像和视频进行卷积神经网络训练,以检测车辆及其边界。经过训练,该系统可以准确地检测出开放的停车位。

对于实时处理,该算法还依赖于NVIDIA GeForce GTX 1080Ti gpu。

该图像显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,用一个包围框对它们进行定位,并提供了一个像素级的定位或识别对象的掩码。

研究人员说:“不像基于太空的方法,需要对每个不同的停车设施进行标识和训练,我们只需要标出停车场边界和周围道路区域一次,就可以为一个新的停车设施配置我们的系统。”“标签只是用来验证我们的结果。”

该系统还可以过滤大量的特征特征,包括车辆类型、颜色、是传统出租车还是运货卡车、每小时的利用率指标、过去的趋势以及进入大量车辆的历史数据。

验证数据集的准确性结果

在精度方面,该系统优于单纯的基于图像的方法。该系统的性能也可与依赖更昂贵传感器的先进商业系统相媲美。

研究人员说:“我们的系统显示出了巨大的潜力,它可以扩展到全市范围,而且其输出的丰富程度超出了传统的二元入住率统计。”