改进深度学习方法在停车场占用检测中的应用

近年来，作为智慧城市发展范式的一部分，停车引导系统已成为一种流行趋势。此类系统的关键部分是允许驾驶员在感兴趣的区域内搜索可用停车场的算法。传统的解决方法是将神经网络分类器应用于摄像头记录。然而，现有的系统在特定视觉条件下的泛化能力和适当测试方面表现不足。本研究对最先进的停车场占用检测算法进行了广泛评估，将其预测质量与最近出现的视觉变换器（Vision Transformers）进行了比较，并提出了一种基于EfficientNet架构的新流程。所进行的计算实验表明，我们的模型在性能上有所提升，并在5个不同的数据集上进行了评估。