Fugu-MT 論文翻訳(概要): Deep Machine Learning Based Egyptian Vehicle License Plate Recognition Systems

論文の概要: Deep Machine Learning Based Egyptian Vehicle License Plate Recognition Systems

arxiv url: http://arxiv.org/abs/2107.11640v1
Date: Sat, 24 Jul 2021 15:58:01 GMT
ステータス: 処理完了
システム内更新日: 2021-07-28 05:03:06.278344
Title: Deep Machine Learning Based Egyptian Vehicle License Plate Recognition Systems
Title（参考訳）: 深層機械学習に基づくエジプト車両ナンバープレート認識システム
Authors: Mohamed Shehata, Mohamed Taha Abou-Kreisha, Hany Elnashar
Abstract要約: 4つのスマートシステムはエジプトの車両ナンバープレートを認識するために開発されている。 2つのシステムは文字認識に基づいており、それらは(システム1, 古典的機械学習による文字認識)と(システム2, ディープラーニングによる文字認識)である。他の2つのシステムは、全プレート認識(システム3、古典機械学習による全ライセンスプレート認識)と(システム4、深層機械学習による全ライセンスプレート認識)に基づいている。
参考スコア（独自算出の注目度）: 0.024790788944106048
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Automated Vehicle License Plate (VLP) detection and recognition have ended up being a significant research issue as of late. VLP localization and recognition are some of the most essential techniques for managing traffic using digital techniques. In this paper, four smart systems are developed to recognize Egyptian vehicles license plates. Two systems are based on character recognition, which are (System1, Characters Recognition with Classical Machine Learning) and (System2, Characters Recognition with Deep Machine Learning). The other two systems are based on the whole plate recognition which are (System3, Whole License Plate Recognition with Classical Machine Learning) and (System4, Whole License Plate Recognition with Deep Machine Learning). We use object detection algorithms, and machine learning based object recognition algorithms. The performance of the developed systems has been tested on real images, and the experimental results demonstrate that the best detection accuracy rate for VLP is provided by using the deep learning method. Where the VLP detection accuracy rate is better than the classical system by 32%. However, the best detection accuracy rate for Vehicle License Plate Arabic Character (VLPAC) is provided by using the classical method. Where VLPAC detection accuracy rate is better than the deep learning-based system by 6%. Also, the results show that deep learning is better than the classical technique used in VLP recognition processes. Where the recognition accuracy rate is better than the classical system by 8%. Finally, the paper output recommends a robust VLP recognition system based on both statistical and deep machine learning.
Abstract（参考訳）: 自動車両免許プレート(VLP)の検出と認識は、最近になって重要な研究課題となった。 VLPのローカライゼーションと認識は、デジタル技術を用いたトラフィック管理において最も重要な技術である。本稿では,エジプトの車両ナンバープレートを識別する4つのスマートシステムについて述べる。 2つのシステムは、文字認識(System1, Characters Recognition with Classical Machine Learning)と(System2, Characters Recognition with Deep Machine Learning)に基づいている。他の2つのシステムは、全プレート認識(System3, Whole License Plate Recognition with Classical Machine Learning)と(System4, Whole License Plate Recognition with Deep Machine Learning)に基づいている。物体検出アルゴリズムと機械学習に基づく物体認識アルゴリズムを用いる。実験結果から, 深層学習法を用いて, VLPにおける検出精度が最良であることを実証した。 VLP検出精度は従来のシステムよりも32%向上した。しかしながら、古典的手法を用いて、車両用ナンバープレートアラビア語文字(vlpac)の最良の検出精度を提供する。 VLPAC検出精度はディープラーニングベースシステムよりも6%向上した。また, 深層学習は, VLP認識における古典的手法よりも優れていることを示す。従来のシステムよりも認識精度が8%向上している。最後に,統計的および深層機械学習に基づく堅牢なVLP認識システムを提案する。

関連論文リスト

Enabling Intelligent Traffic Systems: A Deep Learning Method for Accurate Arabic License Plate Recognition [0.0]
本稿では,エジプト自動車ナンバープレート認識(EVLPR)のための新しい2段階フレームワークを提案する。第1段では、画像処理技術を用いてライセンスプレートを確実にローカライズし、第2段では、アラビア文字認識のためのカスタム設計のディープラーニングモデルを使用する。提案システムは,既存手法を超越した多種多様なデータセットにおいて,99.3%の精度を実現する。
論文参考訳（メタデータ） (2024-08-06T02:27:54Z)
Agile gesture recognition for capacitive sensing devices: adapting on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文参考訳（メタデータ） (2023-05-12T17:24:02Z)
Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
論文参考訳（メタデータ） (2022-11-02T11:10:42Z)
Revisiting Classifier: Transferring Vision-Language Models for Video Recognition [102.93524173258487]
ダウンストリームタスクのためのタスク非依存の深層モデルから知識を伝達することは、コンピュータビジョン研究において重要なトピックである。本研究では,映像分類作業における知識の伝達に着目した。予測された言語モデルを用いて、効率的な翻訳学習のための適切なセマンティックターゲットを生成する。
論文参考訳（メタデータ） (2022-07-04T10:00:47Z)
PP-ShiTu: A Practical Lightweight Image Recognition System [5.400569330093269]
本稿では,以下の3つのモジュールからなる実用軽量画像認識システムPP-ShiTuを提案する。本稿では,距離学習,深度ハッシュ,知識蒸留,モデル定量化といった一般的な手法を導入し,精度と推論速度を向上させる。異なるデータセットとベンチマークの実験により、システムは画像認識の異なる領域で広く有効であることが示された。
論文参考訳（メタデータ） (2021-11-01T09:04:54Z)
Efficient Learning of Pinball TWSVM using Privileged Information and its applications [0.0]
特権情報に基づくTwin Pinball Support Vector Machine分類器(Pin-TWSVMPI)を提案する。提案したPin-TWSVMPIは2つの非並列決定超平面を得るために補正関数を用いて特権情報を組み込む。 UCIデータセットに対して、まず、Pin-TWSVMPIによりさらに活用されるデータセットの特徴から特権情報を抽出するプロシージャを実装する。
論文参考訳（メタデータ） (2021-07-14T14:42:07Z)
Automatic Counting and Identification of Train Wagons Based on Computer Vision and Deep Learning [70.84106972725917]
提案手法は費用対効果が高く,RFIDに基づく解を容易に置き換えることができる。このシステムは、識別コードに損傷があるため、列車のワゴンの一部を自動的に拒絶することができる。
論文参考訳（メタデータ） (2020-10-30T14:56:54Z)
A Novel Anomaly Detection Algorithm for Hybrid Production Systems based on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文参考訳（メタデータ） (2020-10-29T08:27:43Z)
Deep Learning Based Vehicle Tracking System Using License Plate Detection And Recognition [0.0]
提案システムは,車両ナンバープレート検出・認識(OCR)技術を用いた車両追跡の新しい手法を用いている。結果は、人間に近い精度で毎秒30フレームの速度で得られた。
論文参考訳（メタデータ） (2020-05-10T14:03:33Z)
Digit Recognition Using Convolution Neural Network [0.0]
本稿では,文字認識の精度を高めるために,正しい特徴を抽出することを目的とする。パスワード、銀行小切手などの数字認識の応用により、有効なユーザ識別が認識される。本研究の主な目的は、畳み込みニューラルネットワーク(CNN)を用いて、99.15%の精度を得ることである。
論文参考訳（メタデータ） (2020-04-01T10:41:57Z)
Emotions Don't Lie: An Audio-Visual Deepfake Detection Method Using Affective Cues [75.1731999380562]
本稿では,実・偽のディープフェイクマルチメディアコンテンツを検出する学習手法を提案する。我々は,同じビデオから2つのオーディオと視覚の類似性を抽出し,解析する。我々は,いくつかのSOTAディープフェイク検出手法との比較を行い,DFDCでは84.4%,DF-TIMITデータセットでは96.6%の動画AUCを報告した。
論文参考訳（メタデータ） (2020-03-14T22:07:26Z)

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。