Papers·6일 전
주차 공간 점유 인식, 레이블 없이 97.8% 정확도 — SimCLR+ResNet-50 기반 자기지도 학습
자가지도 학습으로 주차장 레이블 없이도 점유 인식이 가능함을 보인 논문입니다. SimCLR+ResNet-50으로 일반 데이터와 대상 주차장의 비레이블 데이터를 사전학습한 뒤, 일반 주차장 레이블로 미세조정하는 전략을 썼습니다. PKLot, CNRPark-EXT, PLds 세 데이터셋에서 강한 일반 모델이 97.2%, 2단계 전략(배치 후 수집한 비레이블 데이터로 추가 자기지도 학습)으로 97.8%까지 올랐습니다. 코드와 모델은 공개되어 있습니다.
자가지도 학습으로 주차장 레이블 없이도 점유 인식 정확도 97.8%를 달성한 연구입니다.
핵심 결론
- 정확도 — 강한 일반 모델(Strong General Model)이 97.2%, 2단계 전략으로 97.8%까지 향상.
- 데이터셋 — PKLot, CNRPark-EXT, PLds 세 데이터셋에서 leave-one-out 교차 환경 평가.
- 레이블 효율 — 대상 주차장의 레이블 없이도 일반 주차장 레이블만으로 학습 가능.
방법
- 프레임워크 — SimCLR + ResNet-50 기반, 두 단계 자기지도 사전학습 후 일반 주차장 레이블로 미세조정.
- 1단계 — 비레이블 일반 데이터(ImageNet 등)로 대비 학습.
- 2단계 — 대상 주차장의 비레이블 이미지로 추가 대비 학습.
- 배포 전략 — 초기에는 강한 일반 모델 배포, 이후 N일간 수집한 비레이블 데이터로 특화 모델로 업데이트.
한계·조건
- 데이터 — 세 데이터셋 모두 고정 카메라, 일정한 조명 조건 — 다양한 환경 일반화는 추가 검증 필요.
- 리소스 — ResNet-50 기준, 큰 모델이나 실시간 요구사항은 다루지 않음.
- 코드 — GitHub에 공개, 재현 가능.
편집자 한 줄
레이블 수집 비용이 큰 현장에서 실용적일 만한 접근입니다. 다만 데이터셋이 제한적이라 실제 다양한 주차장에서도 같은 추세가 유지될지는 지켜봐야겠네요.
- #self-supervised-learning
- #parking-occupancy
- #simclr
- #resnet-50
- #transfer-learning
Luan Marko Kujavski