Key points are not available for this paper at this time.
A detecção de estacionamento desempenha um papel fundamental no desenvolvimento de cidades inteligentes, auxiliando na gestão eficiente de espaços urbanos de estacionamento. Com o advento da computação em borda, dispositivos como o NVIDIA Jetson Nano surgiram como poderosas ferramentas para processamento em tempo real em tais aplicações. Esta pesquisa tem como objetivo avaliar vários algoritmos de detecção de objetos no Jetson Nano para determinar sua eficácia e eficiência em tarefas de detecção de estacionamento. Algoritmos baseados em aprendizado tradicional e profundo, incluindo YOLO, Faster R-CNN e SSD, estão sendo avaliados em termos de precisão, velocidade computacional e consumo de energia. Resultados preliminares indicam que, embora os algoritmos de aprendizado profundo apresentem alta precisão, seu desempenho varia com base nas complexidades do ambiente de estacionamento e nas restrições computacionais do Jetson Nano. Este estudo oferece insights sobre a implementação ideal de algoritmos de detecção de objetos para detecção de estacionamento em dispositivos de borda, abrindo caminho para o desenvolvimento de soluções de estacionamento inteligentes, econômicas e eficientes.
Rani et al. (Ter,) estudaram essa questão.