文献

J-GLOBAL ID：202202257790383988   整理番号：22A0841422

知的輸送システムにおけるプレート認識のためのエンドツーエンド深層学習アプローチ【JST・京大機械翻訳】

An End-to-End Deep Learning Approach for Plate Recognition in Intelligent Transportation Systems

著者 (3件)： Pirgazi Jamshid (Department of Computer Engineering, University of Science and Technology of Mazandaran, Behshahr, Iran) ,  Pourhashem Kallehbasti Mohammad Mehdi (Department of Computer Engineering, University of Science and Technology of Mazandaran, Behshahr, Iran) ,  Ghanbari Sorkhi Ali (Department of Computer Engineering, University of Science and Technology of Mazandaran, Behshahr, Iran)
資料名： Wireless Communications & Mobile Computing  (Wireless Communications & Mobile Computing)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W1338A  ISSN： 1530-8669  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ライセンスプレートの正確で迅速な認識は,ナンバープレート認識システムの分野における最も重要な課題の1つである。監視カメラの高いフレーム速度のため,古いライセンスプレート認識システムはリアルタイムアプリケーションでは使用できない。一方,自然および人工雑音の存在および異なる光および気象条件は,これらのシステムの検出および認識プロセスを困難にする。本論文では,プレートを効率的に検出および認識するためのエンドツーエンド法を提案した。提案方法において,ビデオフレームと入力画像における単一ショット検出器(SSD)ベースの深層学習モデルを用いて,車両を最初に検出した。これは,与えられた画像における板の位置同定における速度と精度を増加させる。次に,プレートの位置を畳み込みネットワークに基づく提案アーキテクチャを用いて同定した。最後に,深い畳み込みネットワークと長い短期メモリ(LSTM)を用いて,プレートに関連する特性を認識する。著者らの方法の利点は,提案した深いネットワークが,プレートの検出と認識において高性能をもたらす異なる品質を有する異なる画像を用いて訓練されることである。また,提案方法において,車両を最初に検出し,次に,板を車両画像において検出して,同定されたプレートの数に限界がない。さらに,全体のフレームの代わりに,車両長方形におけるプレート検出は,著者らの方法をスピードアップした。提案した方法をいくつかのデータベースを用いて評価した。評価の第一部はロバスト性と認識速度に焦点を当てた。提案方法は,車両検出で100%,プレート検出で100%,文字認識で99.37%の精度を有した。評価の第2部では,提案した方法を全体速度に関して評価した。実験結果は,提案した方法が,データを失うことなく,1秒あたり30フレームを処理でき,また,時間と精度に関して,近年提案されたいくつかの方法より優れているという事を証明した。Copyright 2022 Jamshid Pirgazi et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  畳込み ,  データベース ,  ネットワーク ,  文字認識 ,  *交通システム ,  *エンドツーエンド方式 ,  モデル ,  ライセンス ,  計算機アーキテクチャ ,  ロバスト性
準シソーラス用語： ナンバープレート ,  監視カメラ ,  フレームレート ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  通信網  (ND07030A)

引用文献 (47件)：

• D. Shan, M. Ibrahim, M. Shehata, W. Badawy, "Automatic license plate recognition (ALPR): a state-of-the-art review," IEEE Transactions on Circuits and Systems for Video Technology, vol. 23, no. 2, pp. 311-325, 2012.
• C.-C. Tsai, C.-K. Tseng, H.-C. Tang, J.-I. Guo, "Vehicle detection and classification based on deep neural network for intelligent transportation applications," 2018 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC), pp. 1605-1608, Honolulu, HI, USA, 2018.
• S. M. Silva, C. R. Jung, "License plate detection and recognition in unconstrained scenarios," Proceedings of the European Conference on Computer Vision (ECCV), pp. 580-596, Munich, Germany, 2018.
• Y. Yuan, W. Zou, Y. Zhao, X. Wang, H. Xuefeng, N. Komodakis, "A robust and efficient approach to license plate detection," IEEE Transactions on Image Processing, vol. 26, no. 3, pp. 1102-1114, 2017.
• R. Panahi, I. Gholampour, "Accurate detection and recognition of dirty vehicle plate numbers for high-speed applications," IEEE Transactions on Intelligent Transportation Systems, vol. 18, no. 4, pp. 767-779, 2017.

タイトルに関連する用語 (3件)： 輸送システム ,  エンドツーエンド ,  深層学習