Classificação de ocupação de vagas de estacionamento através de redes neurais convolucionais

Abstract

Resumo: Este trabalho tem como objetivo classificar vagas de estacionamento como ocupadas ou vazias utilizando redes neurais convolucionais. Inicialmente, utiliza-se modelos pré-treinados MobileNetV3 (Large e Small) com a implementação PyTorch para obter os resultados. Diferentes conjuntos de imagens (PKlot e CNR-EXT) foram analisados durante as fases de treinamento, teste e validação. Este estudo é uma extensão de análises anteriores e utiliza uma abordagem que combina múltiplas redes leves. Os modelos foram treinados por 15 épocas e as imagens foram redimensionadas para padronização dos dados. O melhor modelo alcançou uma acurácia global de 92,82% nos testes. Também foram testadas fusões de classificadores para as seis redes analisadas. O classificador que considerou a média entre as seis redes alcançou uma acurácia de 94, 7%

Abstract: This work aims to classify parking spaces as occupied or empty using convolutional neural networks. Initially, pre-trained MobileNetV3 models (Large and Small) with the PyTorch implementation are used to obtain the results. Different sets of images (PKlot and CNR-EXT) were analyzed during the training, testing, and validation phases. This study is an extension of previous analyses and uses an approach that combines multiple lightweight networks. The models were trained for 15 epochs and the images were resized for data standardization. The best model achieved an overall accuracy of 92.82% in the tests. Classifier fusions for the six analyzed networks were also tested. The classifier that considered the average among the six networks achieved an accuracy of 94.7%