論文の概要: PatrolVision: Automated License Plate Recognition in the wild
- arxiv url: http://arxiv.org/abs/2504.10810v1
- Date: Tue, 15 Apr 2025 02:10:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-16 22:11:44.361391
- Title: PatrolVision: Automated License Plate Recognition in the wild
- Title（参考訳）: PatrolVision: 野生におけるライセンスプレートの自動認識
- Authors: Anmol Singhal Navya Singhal,
- Abstract要約: シンガポールのナンバープレートに対して,シングルラインとダブルラインの完全なALPRシステムを提案する。
まず、RFB-Netを用いて全画像からライセンスプレートを検出し、複数の歪んだライセンスプレートを1つの画像で修正する。
16,000枚以上の画像をカバーする新しいデータセットを用いて,提案システムの性能評価を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Adoption of AI driven techniques in public services remains low due to challenges related to accuracy and speed of information at population scale. Computer vision techniques for traffic monitoring have not gained much popularity despite their relative strength in areas such as autonomous driving. Despite large number of academic methods for Automatic License Plate Recognition (ALPR) systems, very few provide an end to end solution for patrolling in the city. This paper presents a novel prototype for a low power GPU based patrolling system to be deployed in an urban environment on surveillance vehicles for automated vehicle detection, recognition and tracking. In this work, we propose a complete ALPR system for Singapore license plates having both single and double line creating our own YOLO based network. We focus on unconstrained capture scenarios as would be the case in real world application, where the license plate (LP) might be considerably distorted due to oblique views. In this work, we first detect the license plate from the full image using RFB-Net and rectify multiple distorted license plates in a single image. After that, the detected license plate image is fed to our network for character recognition. We evaluate the performance of our proposed system on a newly built dataset covering more than 16,000 images. The system was able to correctly detect license plates with 86\% precision and recognize characters of a license plate in 67\% of the test set, and 89\% accuracy with one incorrect character (partial match). We also test latency of our system and achieve 64FPS on Tesla P4 GPU
- Abstract（参考訳）: 公共サービスにおけるAI駆動技術の採用は、人口規模での精度と情報の速度に関する課題のため、依然として低いままである。
交通監視のためのコンピュータビジョン技術は、自動運転などの分野での相対的な強みにもかかわらず、あまり人気がない。
自動ナンバープレート認識(ALPR)システムには多くの学術的手法があるが、市内でパトロールを行うためのエンド・ツー・エンドのソリューションを提供するものはほとんどない。
本稿では,車両の自動検出,認識,追跡を行うため,都市環境に展開する低消費電力GPUベースのパトロールシステムのプロトタイプを提案する。
本研究では,シンガポールのライセンスプレートに対して,単行と二重行の両方で独自のYOLOベースのネットワークを構築するALPRシステムを提案する。
現実のアプリケーションでは、斜めのビューのためにライセンスプレート(LP)がかなり歪む可能性があるため、制約のないキャプチャシナリオに重点を置いています。
本研究ではまず,RFB-Net を用いて全画像からライセンスプレートを検出し,複数の歪んだライセンスプレートを1つの画像で修正する。
その後,検出されたナンバープレート画像がネットワークに送られ,文字認識を行う。
16,000枚以上の画像をカバーする新しいデータセットを用いて,提案システムの性能評価を行った。
このシステムは、テストセットの67.%で86.%の精度でライセンスプレートを正しく検出し、ライセンスプレートの文字を1つの不正な文字(部分一致)で89.%の精度で認識することができた。
システムのレイテンシテストも行っており、Tesla P4 GPU上で64FPSを実現しています。
関連論文リスト
- Drone navigation and license place detection for vehicle location in
indoor spaces [55.66423065924684]
この研究は、駐車中の車両の列を行き来し、ナンバープレートを検出するナノドローンに基づくソリューションを作成することを目的としている。
すべての計算はドローン上でリアルタイムで行われ、2Dマップの作成を可能にする位置と検出された画像が送信される。
論文 参考訳（メタデータ） (2023-07-19T17:46:55Z) - BLPnet: A new DNN model and Bengali OCR engine for Automatic License
Plate Recognition [1.924182131418037]
本稿では,ベンガル文字の自動ライセンスプレート認識(ALPR)システムについて報告する。
計算ニューラルネットワーク(CNN)ベースの新しいベンガルOCRエンジンにより、モデルは文字回転不変である。
リアルタイムビデオ映像に毎秒17フレーム(fps)を投入するモデルは、平均正方形誤差(MSE)0.0152の車両を検知でき、平均ナンバープレート文字認識精度は95%である。
論文 参考訳（メタデータ） (2022-02-18T22:58:53Z) - An Automated Approach for the Recognition of Bengali License Plates [0.0]
本研究では,ライセンスプレートを文字で検出するハイブリッド手法を提案する。
撮影画像はバングラデシュの車両の認識手順に利用した。
論文 参考訳（メタデータ） (2021-09-01T17:31:33Z) - End-to-End License Plate Recognition Pipeline for Real-time Low Resource
Video Based Applications [0.43012765978447565]
リアルタイムの推論速度を実現するために、Vision APIと組み合わせた新しい2段階検出パイプラインを提案する。
私たちは、画像データセットと、野生のライセンスプレートを含むビデオデータセットに基づいて、モデルをトレーニングしました。
実時間処理速度(毎秒27.2フレーム)で妥当な検出・認識性能を観測した。
論文 参考訳（メタデータ） (2021-08-18T18:31:01Z) - 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) - End-to-end trainable network for degraded license plate detection via
vehicle-plate relation mining [26.484883058620134]
そこで本研究では,車両-プレート関係のマイニングによるナンバープレート検出の新規かつ適用可能な手法を提案する。
まず,車両とナンバープレートの関係を利用して,ナンバープレート周辺の地域を推定する。
第二に, 斜めプレートの四隅を後退させて, 斜めプレートを頑健に検出することにより, 局所領域の四辺境界ボックスを予測することを提案する。
論文 参考訳（メタデータ） (2020-10-27T13:05:31Z) - Towards Autonomous Driving: a Multi-Modal 360$^{\circ}$ Perception
Proposal [87.11988786121447]
本稿では,自動運転車の3次元物体検出と追跡のためのフレームワークを提案する。
このソリューションは、新しいセンサ融合構成に基づいて、正確で信頼性の高い道路環境検出を提供する。
自動運転車に搭載されたシステムの様々なテストは、提案された知覚スタックの適合性を評価することに成功している。
論文 参考訳（メタデータ） (2020-08-21T20:36:21Z) - Testing the Safety of Self-driving Vehicles by Simulating Perception and
Prediction [88.0416857308144]
センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。
我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
論文 参考訳（メタデータ） (2020-08-13T17:20:02Z) - Deep Learning Based Traffic Surveillance System For Missing and
Suspicious Car Detection [0.0]
本稿では,盗難・盗難車検出のためのディープラーニングに基づく自動交通監視システムを提案する。
Select-Detector, Image Quality Enhancer, Image Transformer, Smart Recognizerの4つの部分で構成されている。
提案手法の有効性は、政府のCCTVカメラの映像で検証され、盗難・盗難車両を87%の精度で識別する結果となった。
論文 参考訳（メタデータ） (2020-07-17T07:18:12Z) - 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) - VehicleNet: Learning Robust Visual Representation for Vehicle
Re-identification [116.1587709521173]
我々は,4つのパブリックな車両データセットを活用することで,大規模車両データセット(VabyNet)を構築することを提案する。
VehicleNetからより堅牢な視覚表現を学習するための、シンプルで効果的な2段階プログレッシブアプローチを設計する。
AICity Challengeのプライベートテストセットにおいて,最先端の精度86.07%mAPを実現した。
論文 参考訳（メタデータ） (2020-04-14T05:06:38Z)
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。