論文の概要: Classification and comparison of license plates localization algorithms
- arxiv url: http://arxiv.org/abs/2104.13896v1
- Date: Wed, 28 Apr 2021 17:26:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-29 14:22:04.050251
- Title: Classification and comparison of license plates localization algorithms
- Title(参考訳): ナンバープレートのローカライゼーションアルゴリズムの分類と比較
- Authors: Mustapha Saidallah, Fatimazahra Taki, Abdelbaki El Belrhiti El Alaoui
and Abdeslam El Fergougui
- Abstract要約: 本稿では,ライセンスプレートローカリゼーション(LPL)アルゴリズムの分類と比較について述べる。
それぞれの利点、欠点、改善について説明している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Intelligent Transportation Systems (ITS) are the subject of a world
economic competition. They are the application of new information and
communication technologies in the transport sector, to make the infrastructures
more efficient, more reliable and more ecological. License Plates Recognition
(LPR) is the key module of these systems, in which the License Plate
Localization (LPL) is the most important stage, because it determines the speed
and robustness of this module. Thus, during this step the algorithm must
process the image and overcome several constraints as climatic and lighting
conditions, sensors and angles variety, LPs no-standardization, and the real
time processing. This paper presents a classification and comparison of License
Plates Localization (LPL) algorithms and describes the advantages,
disadvantages and improvements made by each of them
- Abstract(参考訳): インテリジェント・トランスポーテーション・システムズ(ITS)は世界経済競争の対象である。
これらは輸送部門における新しい情報・通信技術の応用であり、インフラをより効率的に、信頼性が高く、エコロジー的にするものである。
ライセンスプレート認識(lpr)は、このモジュールの速度と堅牢性を決定するため、ライセンスプレートのローカライゼーション(lpl)が最も重要な段階であるこれらのシステムのキーモジュールである。
したがって、このステップの間、アルゴリズムは画像を処理し、気候条件や照明条件、センサーや角度の変化、LPの標準化なし、リアルタイム処理などいくつかの制約を克服しなければならない。
本稿では,LPLアルゴリズムの分類と比較を行い,それぞれの利点,欠点,改善点について述べる。
関連論文リスト
- LLM-Assisted Light: Leveraging Large Language Model Capabilities for
Human-Mimetic Traffic Signal Control in Complex Urban Environments [4.0041437050249895]
本研究では,大規模言語モデル(LLM)を交通信号制御(TSC)システムに統合する革新的な手法を提案する。
具体的には、LLMを知覚と意思決定ツールのスイートで強化するハイブリッドフレームワークを提案する。
シミュレーションの結果から,追加のトレーニングを必要とせず,交通環境の多種性に適応するシステムの有効性が確認された。
論文 参考訳(メタデータ) (2024-03-13T08:41:55Z) - Bengali License Plate Recognition: Unveiling Clarity with CNN and
GFP-GAN [0.0]
LPRは、車両ナンバープレートから自動的にデータを読み取り、抽出するシステムである。
この計画のために1292枚のベンガル数字と文字のデータセットが準備された。
論文 参考訳(メタデータ) (2023-12-17T12:28:30Z) - Character Time-series Matching For Robust License Plate Recognition [0.0]
本稿では,複数のフレームにおけるナンバープレートの追跡により,ナンバープレートの認識精度を向上させる手法を提案する。
まず、検出されたナンバープレートを正しく整列するために、Adaptive License Plate Rotationアルゴリズムを適用する。
第二に、多くの結果フレームからライセンスプレート文字を認識するための文字時系列マッチング法を提案する。
論文 参考訳(メタデータ) (2023-07-21T03:50:23Z) - Combining Attention Module and Pixel Shuffle for License Plate
Super-Resolution [3.8831062015253055]
本研究は,低解像度・低画質画像におけるライセンスプレート(LP)再構成に焦点を当てた。
本稿では、注目/変圧器モジュールの概念を拡張したシングルイメージ超解法(SISR)アプローチを提案する。
実験では, 提案手法は, 定量的および定性的に, ベースラインよりも優れていた。
論文 参考訳(メタデータ) (2022-10-30T13:05:07Z) - SIM-Trans: Structure Information Modeling Transformer for Fine-grained
Visual Categorization [59.732036564862796]
本稿では,オブジェクト構造情報を変換器に組み込んだSIM-Trans(Structure Information Modeling Transformer)を提案する。
提案した2つのモジュールは軽量化されており、任意のトランスフォーマーネットワークにプラグインでき、エンドツーエンドで容易に訓練できる。
実験と解析により,提案したSIM-Transが細粒度視覚分類ベンチマークの最先端性能を達成することを示した。
論文 参考訳(メタデータ) (2022-08-31T03:00:07Z) - ZippyPoint: Fast Interest Point Detection, Description, and Matching
through Mixed Precision Discretization [71.91942002659795]
我々は,ネットワーク量子化技術を用いて推論を高速化し,計算限定プラットフォームでの利用を可能にする。
バイナリディスクリプタを用いた効率的な量子化ネットワークZippyPointは,ネットワーク実行速度,ディスクリプタマッチング速度,3Dモデルサイズを改善する。
これらの改善は、ホモグラフィー推定、視覚的ローカライゼーション、マップフリーな視覚的再ローカライゼーションのタスクで評価されるように、小さなパフォーマンス劣化をもたらす。
論文 参考訳(メタデータ) (2022-03-07T18:59:03Z) - End-to-End High Accuracy License Plate Recognition Based on Depthwise
Separable Convolution Networks [0.0]
ライセンスプレート認識のための新しいセグメンテーションフリーフレームワークを提案し,NP-ALPRデータセットを導入した。
提案するネットワークモデルは,最新のディープラーニング手法と最先端のアイデアと,新しいネットワークアーキテクチャのメリットで構成されている。
提案手法の有効性を3つの異なるデータセットで評価し,99%以上,70fps以上の認識精度を示した。
論文 参考訳(メタデータ) (2022-02-21T14:45:03Z) - Learning-Based UE Classification in Millimeter-Wave Cellular Systems
With Mobility [67.81523988596841]
ミリ波携帯電話通信では、送信機と受信機のビームのアライメントを可能にするビームフォーミング手順が必要である。
効率的なビームトラッキングでは、トラフィックと移動パターンに応じてユーザーを分類することが有利である。
これまでの研究は、機械学習に基づくUE分類の効率的な方法を示してきた。
論文 参考訳(メタデータ) (2021-09-13T12:00:45Z) - Multi-scale Interaction for Real-time LiDAR Data Segmentation on an
Embedded Platform [62.91011959772665]
LiDARデータのリアルタイムセマンティックセグメンテーションは、自動運転車にとって不可欠である。
ポイントクラウド上で直接動作する現在のアプローチでは、複雑な空間集約操作を使用する。
本稿では,マルチスケールインタラクションネットワーク(MINet)と呼ばれるプロジェクションベースの手法を提案する。
論文 参考訳(メタデータ) (2020-08-20T19:06:11Z) - Transfer Learning for Motor Imagery Based Brain-Computer Interfaces: A
Complete Pipeline [54.73337667795997]
移動学習(TL)は、新しい被験者の校正作業を減らすために、運動画像(MI)ベースの脳-コンピュータインタフェース(BCI)に広く用いられている。
本稿では,MIベースのBCIの3つのコンポーネント(空間フィルタリング,特徴工学,分類)すべてにおいてTLが考慮できることを示す。
論文 参考訳(メタデータ) (2020-07-03T23:44:21Z) - A Robust Attentional Framework for License Plate Recognition in the Wild [95.7296788722492]
本稿では,ライセンスプレート認識のための堅牢なフレームワークを提案する。
ナンバープレート画像生成のためのCycleGANモデルと、プレート認識のための精巧な設計された画像系列ネットワークで構成されている。
われわれは、中国本土31州から1200枚の画像を含む新しいライセンスプレートデータセット「CLPD」をリリースした。
論文 参考訳(メタデータ) (2020-06-06T17:11:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。