مراجعة طرق التعلم العميق في اكتشاف شغل مواقف السيارات

باتت أنظمة توجيه السيارات للركن مؤخرًا اتجاهًا شائعًا كجزء من نموذج تطوير المدن الذكية. الجزء الأهم من هذه الأنظمة هو الخوارزمية التي تسمح للسائقين بالبحث عن مواقف السيارات المتاحة في المناطق ذات الاهتمام. يعتمد النهج الكلاسيكي لهذه المهمة على استخدام تصنيفات الشبكات العصبية لسجلات الكاميرات. ومع ذلك، فإن الأنظمة الحالية تظهر نقصًا في قدرة التعميم واختبارات مناسبة بخصوص الظروف البصرية الخاصة. في هذه الدراسة، قمنا بتقييم شامل لخوارزميات اكتشاف احتلال مواقف السيارات الأكثر تقدمًا، ومقارنة جودة تنبؤاتها مع الترانسفورمرات البصرية التي ظهرت حديثًا، واقترحنا خط أنابيب جديد يستند إلى هندسة EfficientNet (هندسة EfficientNet). أثبتت التجارب الحاسوبية التي أجريت زيادة الأداء في حالة نموذجنا، والذي تم تقييمه على خمسة مجموعات بيانات مختلفة.