Forensic License Plate Recognition with Compression-Informed Transformers

要約

フォレンジック ナンバー プレート認識 (FLPR) は、犯罪捜査などの法的な状況では未解決の課題であり、判読できないナンバー プレート (LP) は、監視カメラなどの高圧縮および/または低解像度の映像から解読する必要があります。
この作業では、強力な圧縮下での認識を改善するために、入力圧縮レベルに関する知識を埋め込むサイドインフォームド Transformer アーキテクチャを提案します。
低品質の実世界のデータセットでのナンバー プレート認識 (LPR) に対するトランスフォーマーの有効性を示します。
また、大幅に劣化した判読不能な LP 画像を含む合成データセットを提供し、そこに埋め込まれた知識の影響を分析します。
このネットワークは、既存の FLPR メソッドや標準的な最先端の画像認識モデルよりも優れたパフォーマンスを発揮し、必要なパラメーターは少なくなります。
劣化が最も深刻な画像については、最大 8.9% まで認識を改善できます。

要約(オリジナル)

Forensic license plate recognition (FLPR) remains an open challenge in legal contexts such as criminal investigations, where unreadable license plates (LPs) need to be deciphered from highly compressed and/or low resolution footage, e.g., from surveillance cameras. In this work, we propose a side-informed Transformer architecture that embeds knowledge on the input compression level to improve recognition under strong compression. We show the effectiveness of Transformers for license plate recognition (LPR) on a low-quality real-world dataset. We also provide a synthetic dataset that includes strongly degraded, illegible LP images and analyze the impact of knowledge embedding on it. The network outperforms existing FLPR methods and standard state-of-the art image recognition models while requiring less parameters. For the severest degraded images, we can improve recognition by up to 8.9 percent points.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google