Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Bộ dữ liệu đỗ xe E2E: Một chuẩn mực mở cho đỗ xe tự động toàn diện

Created by
  • Haebom

Tác giả

Kejia Gao, Liguo Chu, Mingjun Liu, Alois Knoll

Phác thảo

Bài báo này nhằm mục đích tạo ra và phát hành một bộ dữ liệu đỗ xe tự động chất lượng cao, nhằm giải quyết tình trạng thiếu bộ dữ liệu công khai, vốn cản trở khả năng tái tạo và đánh giá chuẩn mực học tập toàn diện cho hệ thống đỗ xe tự động. Sử dụng bộ dữ liệu này, chúng tôi đã đạt được tỷ lệ thành công 85,16%, sai số vị trí trung bình là 0,24 mét và sai số định hướng trung bình là 0,34 độ, dựa trên các mô hình đỗ xe dựa trên tầm nhìn hiện có và các quy trình tạo dữ liệu, đào tạo và thử nghiệm vòng kín.

Takeaways, Limitations

•
Takeaways:
◦
Góp phần cải thiện khả năng tái tạo và đánh giá chuẩn bằng cách cung cấp các tập dữ liệu công khai chất lượng cao cho nghiên cứu và phát triển trong lĩnh vực đỗ xe tự động.
◦
Góp phần đánh giá hiệu suất và cải tiến mô hình đỗ xe tự động dựa trên học tập toàn diện.
◦
Xác minh khách quan hiệu suất của các mô hình hiện có và cung cấp chuẩn mực cho nghiên cứu trong tương lai.
•
Limitations:
◦
Thiếu thông tin cụ thể về quy mô và tính đa dạng của tập dữ liệu.
◦
Thiếu mô tả chi tiết về môi trường và điều kiện thu thập dữ liệu
◦
Thiếu đánh giá hiệu suất tổng quát cho nhiều môi trường đỗ xe khác nhau (ví dụ: không gian hẹp, môi trường phức tạp)
👍
Made with Slashpage