論文の概要: Enabling Intelligent Traffic Systems: A Deep Learning Method for Accurate Arabic License Plate Recognition

• arxiv url: http://arxiv.org/abs/2408.02904v1
• Date: Tue, 6 Aug 2024 02:27:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-07 15:09:28.209288
• Title: Enabling Intelligent Traffic Systems: A Deep Learning Method for Accurate Arabic License Plate Recognition
• Title（参考訳）: インテリジェントトラヒックシステムの実現:アラビアナンバープレートの正確な認識のための深層学習手法
• Authors: M. A. Sayedelahl,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper introduces a novel two-stage framework for accurate Egyptian Vehicle License Plate Recognition (EVLPR). The first stage employs image processing techniques to reliably localize license plates, while the second stage utilizes a custom-designed deep learning model for robust Arabic character recognition. The proposed system achieves a remarkable 99.3% accuracy on a diverse dataset, surpassing existing approaches. Its potential applications extend to intelligent traffic management, including traffic violation detection and parking optimization. Future research will focus on enhancing the system's capabilities through architectural refinements, expanded datasets, and addressing system dependencies.
• Abstract（参考訳）: 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。 その潜在的な応用は、交通違反の検出や駐車最適化を含むインテリジェントな交通管理にまで及んでいる。 今後の研究は、アーキテクチャの洗練、データセットの拡張、システムの依存関係への対処などを通じて、システムの能力向上に注力する予定である。

関連論文リスト

• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• Cross-domain Few-shot In-context Learning for Enhancing Traffic Sign Recognition [49.20086587208214]
  交通信号認識の強化を目的としたMLLMに基づくドメイン間数ショットインコンテキスト学習手法を提案する。 記述テキストを使用することで、テンプレートと実際の交通標識のドメイン間差を低減することができる。 提案手法は,大規模交通標識画像やラベルを必要とせず,単純かつ均一なテキスト表示のみを必要とする。
  論文  参考訳（メタデータ） (2024-07-08T10:51:03Z)
• A Dataset and Model for Realistic License Plate Deblurring [17.52035404373648]
  ライセンスプレートブラ(LPBlur)と呼ばれる,最初の大規模ナンバープレートデブロアリングデータセットについて紹介する。 そこで我々は,ライセンスプレート・デブロアリングに対処するために,LPDGAN (L License Plate Deblurring Generative Adversarial Network) を提案する。 提案手法は,現実的なナンバープレートのデブロアリングシナリオにおいて,他の最先端の動作デブロアリング手法よりも優れる。
  論文  参考訳（メタデータ） (2024-04-21T14:36:57Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• ST-P3: End-to-end Vision-based Autonomous Driving via Spatial-Temporal Feature Learning [132.20119288212376]
  本稿では,認識,予測,計画タスクを同時に行うための,より代表的な特徴の集合に対する時空間的特徴学習手法を提案する。 私たちの知識を最大限に活用するために、私たちは、解釈可能なエンドツーエンドの自動運転システムの各部分を体系的に調査した最初の人です。
  論文  参考訳（メタデータ） (2022-07-15T16:57:43Z)
• Federated Deep Learning Meets Autonomous Vehicle Perception: Design and Verification [168.67190934250868]
  フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。 FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。 マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
  論文  参考訳（メタデータ） (2022-06-03T23:55:45Z)
• 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)
• Deep Machine Learning Based Egyptian Vehicle License Plate Recognition Systems [0.024790788944106048]
  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。
  論文  参考訳（メタデータ） (2021-07-24T15:58:01Z)
• End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
  交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。 本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。 本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-28T07:54:40Z)
• Distributed Dynamic Map Fusion via Federated Learning for Intelligent Networked Vehicles [9.748996198083425]
  本稿では,高い地図品質を実現するために,連合学習に基づく動的地図融合フレームワークを提案する。 提案されたフレームワークはcarla(carla)シミュレーションプラットフォームに実装されている。
  論文  参考訳（メタデータ） (2021-03-05T16:28:46Z)
• 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)

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。