駐車スペース占有認識に向けて：自己教師ありアプローチ

要旨

都市部の拡大に伴い、駐車場の自動監視は効率的で持続可能な都市にとって不可欠となっている。本研究では、対象駐車場からのラベル付きサンプルを一切必要としない、自己教師ありアプローチによる駐車スペース占有認識を提案する。自己教師あり転移学習の微調整プロトコルに基づき、提案する学習戦略は2つの自己教師あり段階（最初にラベルなしの汎用データ、次にラベルなしの対象特化データに対する学習）と、その後に続く汎用駐車場ラベルのみを用いた教師あり微調整から構成される。本手法ではResNet-50エンコーダを備えたSimCLRを採用し、PKLot、CNRPark-EXT、PLdsの3つの公開データセットに対して一個抜き交差環境プロトコルの下で評価を行う。さらに、2段階の展開戦略を導入する。まず強力な汎用モデル（Strong General Model）を展開し、続いて展開から最初のN日間に収集されたラベルなし画像を自己教師ありの方法で組み込んだ専門モデル（Specialized Model）を展開する。実験結果は、Strong General Model単体で教師ありおよび自己教師ありのベースラインを上回り、平均精度97.2%を達成することを示している。この精度は、提案する2段階戦略によりさらに97.8%に向上する。これらの結果は、自己教師あり学習が実世界の駐車占有監視において、スケーラブルでラベル効率の良いソリューションを実現することを実証している。学習済みモデルとソースコードはhttps://github.com/LoanMaikon/Parking-Spot-Occupancy-Recognitionで公開している。

English

As urban areas expand, automatic monitoring of parking lots becomes essential for efficient and sustainable cities. This work proposes a self-supervised approach for parking spot occupancy recognition that requires no labeled samples from the target parking lot. Building upon a self-supervised transfer learning fine-tuning protocol, the proposed training strategy consists of two self-supervised stages: first on unlabeled generic data and then on unlabeled target-specific data, followed by supervised fine-tuning using only generic parking lot labels. We adopt SimCLR with a ResNet-50 encoder and evaluate the method under a leave-one-out cross-environment protocol on three public datasets: PKLot, CNRPark-EXT, and PLds. We also introduce a two-stage deployment strategy in which a Strong General Model is initially deployed, followed by a Specialized Model that incorporates unlabeled images collected during the first N days of deployment in a self-supervised manner. Experimental results show that the Strong General Model alone outperforms supervised and self-supervised baselines, achieving an average accuracy of 97.2%, which further improves to 97.8% with the proposed two-stage strategy. These results demonstrate that self-supervised learning enables a scalable and labelefficient solution for real-world parking occupancy monitoring. Our trained models and source code are publicly available at https://github.com/LoanMaikon/Parking-Spot-Occupancy-Recognition.