野生におけるナンバープレート認識のためのロバストな注意フレームワーク【JST・京大機械翻訳】

Zhang Linjiang; Wang Peng; Li Hui; Li Zhen; Shen Chunhua; Zhang Yanning

プレプリント

J-GLOBAL ID：202202205722703800 整理番号：22P0156098

野生におけるナンバープレート認識のためのロバストな注意フレームワーク【JST・京大機械翻訳】

A Robust Attentional Framework for License Plate Recognition in the Wild

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年06月06日プレプリントサーバーでの情報更新日： 2020年06月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

自然シーン画像における自動車ライセンスプレートの認識は,現実的応用における重要だがまだ挑戦的なタスクである。多くの既存の手法は,制約された条件,例えば,正面と水平の視野角における射撃,および良好な照明条件の下で収集されたライセンスプレートに対してよく機能している。しかし,それらの性能は,回転,歪み,オクルージョン,ぼけ,遮光または極端な暗色または明るい条件を特徴とする非拘束環境において著しく低下する。本研究では,野生におけるナンバープレート認識のためのロバストなフレームワークを提案した。それは,ナンバープレート画像生成のためのテーラードサイクルGANモデルとプレート認識のための精巧な設計画像シーケンスネットワークから成る。一方では,CycleGANベースプレート生成エンジンは,排気人間アノテーション作業を軽減する。訓練データの大量量は,よりバランスした特性分布および様々な射撃条件によって得られ,それは,認識精度を大規模に高めるのを助ける。他方,X知覚ベースのCNN符号器による2D注意ベースライセンスプレート認識器は,種々のシナリオの下で異なるパターンを有するライセンスプレートを正確かつロバストに認識できる。発見的ルールまたは後処理を使用せずに,著者らの方式は,4つの公開データセットに関して最先端の性能を達成して,それは著者らのフレームワークの普遍性とロバスト性を実証した。さらに,著者らは,中国本土における31の行政区から1200の画像によって,「CLPD」という新しいライセンスプレートデータセットをリリースした。データセットはhttps://github.com/wangpengnorman/CLPD_datasetから利用可能である。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, , ,

前のページに戻る