Veri-Car: Towards Open-world Vehicle Information Retrieval

要約

多くの産業部門およびサービスセクターには、画像から車両の特性を抽出するツールが必要です。
これは、多様なノイズと多数のクラスだけでなく、市場への新しい車両モデルの絶え間ない導入によっても複雑なタスクです。
この論文では、このタスクを支援するように設計された情報検索統合アプローチであるVeri-Carを提示します。
車のメーカー、タイプ、モデル、年、色、およびナンバープレートを正確に識別するために、監督された学習技術を活用します。
このアプローチは、事前に訓練されたモデルの洗練された組み合わせと階層的な多様性の損失を採用することにより、新しい車のモデルとバリエーションが頻繁に出現するオープンワールドの問題を処理するという課題にも対処します。
Veri-Carは堅牢なパフォーマンスを示し、見られたデータと目に見えないデータの両方を分類する際に高い精度と精度を達成します。
さらに、アンサンブルのナンバープレート検出とOCRモデルを統合して、ライセンスプレート番号を印象的な精度で抽出します。

要約(オリジナル)

Many industrial and service sectors require tools to extract vehicle characteristics from images. This is a complex task not only by the variety of noise, and large number of classes, but also by the constant introduction of new vehicle models to the market. In this paper, we present Veri-Car, an information retrieval integrated approach designed to help on this task. It leverages supervised learning techniques to accurately identify the make, type, model, year, color, and license plate of cars. The approach also addresses the challenge of handling open-world problems, where new car models and variations frequently emerge, by employing a sophisticated combination of pre-trained models, and a hierarchical multi-similarity loss. Veri-Car demonstrates robust performance, achieving high precision and accuracy in classifying both seen and unseen data. Additionally, it integrates an ensemble license plate detection, and an OCR model to extract license plate numbers with impressive accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google