YOLO and Mask R-CNN for Vehicle Number Plate Identification

要約

ここ数年、駐車場でのナンバー プレート スキャナーの人気が高まっています。
ナンバープレートを迅速に識別するために、駐車場で使用され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したナンバー プレート画像など、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が非常に大きくなり、標準のナンバー プレート認識システムがナンバー プレートを識別する能力が損なわれる可能性があります。
斜め写真や様々な撮影アングルに活用できるマスクRCNNガジェット。
実験の結果は、提案されたデザインが 0/60 より大きいベベル角度を持つナンバー 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 手法は、文字認識においても大幅な進歩を達成しました。これは、YOLOv2 モデルを使用する戦略と比較して 45 度以上傾いています。
実験結果は、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手法 (AOLP データセットとして知られる) よりも優れていることも示唆しています。

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