YOLO and Mask R-CNN for Vehicle Number Plate Identification

要約

ナンバープレートスキャナーは、過去数年間で駐車場で人気が高まっています。
ナンバープレートをすばやく識別するために、駐車場で使用されている従来のプレート認識デバイスは、固定された光源と撮影角度を採用しています。
超広角レンズや魚眼レンズで撮影されたナンバープレート画像などの斜めの角度の場合、ナンバープレート認識プレートの変形も非常に深刻になる可能性があり、標準のナンバープレート認識システムがプレートを識別する能力が損なわれます。
斜めの写真やさまざまな撮影アングルに利用できるマスクRCNNガジェット。
実験の結果は、提案された設計が0/60より大きい斜角を持つナンバープレートを分類できることを示しています。
提案されたマスクR-CNNアプローチを使用した文字認識も大幅に進歩しました。
提案されたマスクR-CNN法は、YOLOv2モデルを採用する戦略と比較して、45度以上傾斜している文字認識においても大きな進歩を遂げました。
実験結果はまた、オープンデータプレート収集で提示された方法論が他の技術（AOLPデータセットとして知られている）よりも優れていることを示唆しています。

要約(オリジナル)

License plate scanners have grown in popularity in parking lots during the past few years. In order to quickly identify license plates, traditional plate recognition devices used in parking lots employ a fixed source of light and shooting angles. For skewed angles, such as license plate images taken with ultra-wide angle or fisheye lenses, deformation of the license plate recognition plate can also be quite severe, impairing the ability of standard license plate recognition systems to identify the plate. Mask RCNN gadget that may be utilised for oblique pictures and various shooting angles. The results of the experiments show that the suggested design will be capable of classifying license plates with bevel angles larger than 0/60. Character recognition using the suggested Mask R-CNN approach has advanced significantly as well. The proposed Mask R-CNN method has also achieved significant progress in character recognition, which is tilted more than 45 degrees as compared to the strategy of employing the YOLOv2 model. Experiment results also suggest that the methodology presented in the open data plate collecting is better than other techniques (known as the AOLP dataset).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google