論文の概要: Embedding Similarity Guided License Plate Super Resolution
- arxiv url: http://arxiv.org/abs/2501.01483v2
- Date: Wed, 08 Jan 2025 14:29:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-09 11:35:10.894168
- Title: Embedding Similarity Guided License Plate Super Resolution
- Title(参考訳): 組込み類似性ガイドプレート超解像
- Authors: Abderrezzaq Sendjasni, Mohamed-Chaker Larabi,
- Abstract要約: 本研究では,ピクセルベース損失と埋め込み類似性学習を組み合わせた新しいフレームワークを提案し,ライセンスプレート超解像(LPSR)の課題に対処する。
導入されたピクセルと埋め込み整合性損失(PECL)は、シームズネットワークを統合し、コントラスト損失を適用して埋め込み類似性を強制し、知覚的および構造的忠実性を改善する。
- 参考スコア(独自算出の注目度): 4.315486098289241
- License:
- Abstract: Super-resolution (SR) techniques play a pivotal role in enhancing the quality of low-resolution images, particularly for applications such as security and surveillance, where accurate license plate recognition is crucial. This study proposes a novel framework that combines pixel-based loss with embedding similarity learning to address the unique challenges of license plate super-resolution (LPSR). The introduced pixel and embedding consistency loss (PECL) integrates a Siamese network and applies contrastive loss to force embedding similarities to improve perceptual and structural fidelity. By effectively balancing pixel-wise accuracy with embedding-level consistency, the framework achieves superior alignment of fine-grained features between high-resolution (HR) and super-resolved (SR) license plates. Extensive experiments on the CCPD dataset validate the efficacy of the proposed framework, demonstrating consistent improvements over state-of-the-art methods in terms of PSNR_RGB, PSNR_Y and optical character recognition (OCR) accuracy. These results highlight the potential of embedding similarity learning to advance both perceptual quality and task-specific performance in extreme super-resolution scenarios.
- Abstract(参考訳): 超解像度(SR)技術は、特に正確なナンバープレート認識が不可欠であるセキュリティや監視などのアプリケーションにおいて、低解像度画像の品質向上に重要な役割を果たしている。
本研究では,ピクセルベース損失と埋め込み類似性学習を組み合わせた新しいフレームワークを提案し,ライセンスプレート超解像(LPSR)のユニークな課題に対処する。
導入されたピクセルと埋め込み整合性損失(PECL)は、シームズネットワークを統合し、コントラスト損失を適用して埋め込み類似性を強制し、知覚的および構造的忠実性を改善する。
高分解能(HR)と超解像(SR)のナンバープレート間の微細な特徴の整合性が優れている。
CCPDデータセットの大規模な実験により提案手法の有効性が検証され,PSNR_RGB,PSNR_Y,光学文字認識(OCR)の精度で最先端の手法に一貫した改善が示された。
これらの結果は、超高解像度シナリオにおいて、知覚品質とタスク固有のパフォーマンスの両方を向上するために類似性学習を組み込む可能性を強調している。
関連論文リスト
- Content-decoupled Contrastive Learning-based Implicit Degradation Modeling for Blind Image Super-Resolution [33.16889233975723]
急激な劣化モデルに基づくブラインド・スーパーレゾリューション(SR)は、コミュニティで注目を集めている。
本稿では,CdCL(Content-decoupled Contrastive Learning-based blind image super- resolution)フレームワークを提案する。
論文 参考訳(メタデータ) (2024-08-10T04:51:43Z) - Exploiting Self-Supervised Constraints in Image Super-Resolution [72.35265021054471]
本稿では,SSC-SRと呼ばれる単一画像超解像のための新しい自己監督制約を提案する。
SSC-SRは、安定性を高めるために指数移動平均によって更新された二重非対称パラダイムとターゲットモデルを用いることで、画像の複雑さのばらつきに一意に対処する。
SSC-SRフレームワークはさまざまなベンチマークデータセットに対して,EDSR平均0.1dB,SwinIR平均0.06dBの大幅な拡張を実現している。
論文 参考訳(メタデータ) (2024-03-30T06:18:50Z) - RBSR: Efficient and Flexible Recurrent Network for Burst
Super-Resolution [57.98314517861539]
バースト超解像(BurstSR)は、高解像度(HR)画像を低解像度(LR)画像と雑音画像から再構成することを目的としている。
本稿では,効率よくフレキシブルなリカレントネットワークでフレーム単位のキューを融合させることを提案する。
論文 参考訳(メタデータ) (2023-06-30T12:14:13Z) - Learning from Multi-Perception Features for Real-Word Image
Super-resolution [87.71135803794519]
入力画像の複数の知覚的特徴を利用する新しいSR手法MPF-Netを提案する。
本稿では,MPFEモジュールを組み込んで,多様な知覚情報を抽出する手法を提案する。
また、モデルの学習能力を向上する対照的な正規化項(CR)も導入する。
論文 参考訳(メタデータ) (2023-05-26T07:35:49Z) - DCS-RISR: Dynamic Channel Splitting for Efficient Real-world Image
Super-Resolution [15.694407977871341]
実世界の画像超解像(RISR)は、未知の複雑な劣化下でのSR画像の品質向上に重点を置いている。
既存の手法は、分解レベルが異なる低解像度(LR)画像を強化するために重いSRモデルに依存している。
本稿では,DCS-RISRと呼ばれる高効率リアルタイム画像超解法のための動的チャネル分割方式を提案する。
論文 参考訳(メタデータ) (2022-12-15T04:34:57Z) - Bridging Component Learning with Degradation Modelling for Blind Image
Super-Resolution [69.11604249813304]
視覚障害者のためのコンポーネント分解・協調最適化ネットワーク(CDCN)を提案する。
CDCNは入力LR画像を特徴空間の構造と詳細成分に分解する。
本稿では,HR画像の細部と構造復元過程を協調的に監督する,劣化駆動型学習戦略を提案する。
論文 参考訳(メタデータ) (2022-12-03T14:53:56Z) - Joint Learning Content and Degradation Aware Feature for Blind
Super-Resolution [37.99541178081113]
CDSRと呼ばれるコンテンツと劣化SRネットワークを提案する。
提案したCDSRは既存のUDPモデルより優れ,PSNRおよびSSIM上での競合性能を実現している。
論文 参考訳(メタデータ) (2022-08-29T09:12:39Z) - Hierarchical Similarity Learning for Aliasing Suppression Image
Super-Resolution [64.15915577164894]
エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。
HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
論文 参考訳(メタデータ) (2022-06-07T14:55:32Z) - Hierarchical Deep CNN Feature Set-Based Representation Learning for
Robust Cross-Resolution Face Recognition [59.29808528182607]
クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。
既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。
本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
論文 参考訳(メタデータ) (2021-03-25T14:03:42Z)
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。