論文の概要: LPLC: A Dataset for License Plate Legibility Classification

• arxiv url: http://arxiv.org/abs/2508.18425v1
• Date: Mon, 25 Aug 2025 19:18:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 17:42:38.565915
• Title: LPLC: A Dataset for License Plate Legibility Classification
• Title（参考訳）: LPLC: ライセンスプレートの合法分類のためのデータセット
• Authors: Lucas Wojcik, Gabriel E. Lima, Valfride Nascimento, Eduil Nascimento Jr., Rayson Laroca, David Menotti,
• Abstract要約: 12,687個の注釈付きLPを持つ車両の10,210枚の画像からなる新しいデータセットを導入する。 画像は、車両の種類、照明条件、カメラ/画像の品質レベルなど多岐にわたる。 本稿では,3つの画像認識ネットワークを用いた分類課題を提案し,LP画像が十分であるか,超解像を必要とするか,あるいは完全に復元不可能であるかを判定する。
• 参考スコア（独自算出の注目度）: 1.907858714149189
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic License Plate Recognition (ALPR) faces a major challenge when dealing with illegible license plates (LPs). While reconstruction methods such as super-resolution (SR) have emerged, the core issue of recognizing these low-quality LPs remains unresolved. To optimize model performance and computational efficiency, image pre-processing should be applied selectively to cases that require enhanced legibility. To support research in this area, we introduce a novel dataset comprising 10,210 images of vehicles with 12,687 annotated LPs for legibility classification (the LPLC dataset). The images span a wide range of vehicle types, lighting conditions, and camera/image quality levels. We adopt a fine-grained annotation strategy that includes vehicle- and LP-level occlusions, four legibility categories (perfect, good, poor, and illegible), and character labels for three categories (excluding illegible LPs). As a benchmark, we propose a classification task using three image recognition networks to determine whether an LP image is good enough, requires super-resolution, or is completely unrecoverable. The overall F1 score, which remained below 80% for all three baseline models (ViT, ResNet, and YOLO), together with the analyses of SR and LP recognition methods, highlights the difficulty of the task and reinforces the need for further research. The proposed dataset is publicly available at https://github.com/lmlwojcik/lplc-dataset.
• Abstract（参考訳）: 自動ライセンスプレート認識(ALPR)は、不可解なライセンスプレート(LP)を扱う際に大きな課題に直面している。 超解像(SR)のような再構成手法が登場したが、これらの低品質LPを認識する上での課題は未解決のままである。 モデル性能と計算効率を最適化するためには、画像前処理を精度の向上を必要とするケースに対して選択的に適用する必要がある。 この領域の研究を支援するために,12,687個の注釈付きLP(LPLCデータセット)を持つ車両の10,210個の画像からなる新しいデータセットを導入した。 画像は、車両の種類、照明条件、カメラ/画像の品質レベルなど多岐にわたる。 我々は,車種とLPレベルのオクルージョン,4つの正当性カテゴリ(完全,善,貧,不可解)と3つのカテゴリ(非可逆LPを除く)の文字ラベルを含む詳細なアノテーション戦略を採用する。 本稿では,3つの画像認識ネットワークを用いた分類課題を提案する。 全体のF1スコアは3つのベースラインモデル(ViT、ResNet、YOLO)の80%以下であり、SRとLPの認識方法の分析とともに、タスクの難しさを強調し、さらなる研究の必要性を強化する。 提案されたデータセットはhttps://github.com/lmlwojcik/lplc-datasetで公開されている。

関連論文リスト

• Toward Advancing License Plate Super-Resolution in Real-World Scenarios: A Dataset and Benchmark [2.7961815663180425]
  LPR(Super- resolution for License Plate Recognition)は、監視、交通監視、法医学的応用において、低解像度(LR)および劣化した画像によって引き起こされる課題に対処することを目的としている。 UFPR-SR-Platesは、10万のトラックと10万のペアの低解像度と高解像度のプレート画像を含む新しいデータセットである。 ライセンスプレートの超解像のための2つの最先端モデルと、車両毎の複数の逐次LRと高分解能(HR)画像を用いたベンチマークを構築した。
  論文  参考訳（メタデータ） (2025-05-09T19:37:57Z)
• Few-Shot Anomaly Detection via Category-Agnostic Registration Learning [65.64252994254268]
  既存のほとんどの異常検出方法は、各カテゴリに専用のモデルを必要とする。 この記事では、新しい数ショットAD(FSAD)フレームワークを提案する。 これは新しいカテゴリーのモデル微調整を必要としない最初のFSAD法である。
  論文  参考訳（メタデータ） (2024-06-13T05:01:13Z)
• License Plate Recognition Based On Multi-Angle View Model [0.0]
  本稿では,異なる視点の複数のフレームをマージすることで,ライセンスプレート内のテキスト検出の問題に対処する。 提案手法は,各視点において,ライセンスプレートのテキストコンポーネントを特徴付ける記述的特徴を抽出する。 我々はライセンスプレート内のテキスト認識にCnOCR法を用いる。
  論文  参考訳（メタデータ） (2023-09-22T16:12:45Z)
• Multi-Granularity Denoising and Bidirectional Alignment for Weakly Supervised Semantic Segmentation [75.32213865436442]
  本稿では,雑音ラベルと多クラス一般化問題を緩和するために,MDBAモデルを提案する。 MDBAモデルはPASCAL VOC 2012データセットの検証とテストセットにおいて69.5%と70.2%のmIoUに達することができる。
  論文  参考訳（メタデータ） (2023-05-09T03:33:43Z)
• 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)
• Dual-Perspective Semantic-Aware Representation Blending for Multi-Label Image Recognition with Partial Labels [70.36722026729859]
  本稿では,多粒度カテゴリ固有の意味表現を異なる画像にブレンドした,二重パースペクティブな意味認識表現ブレンディング(DSRB)を提案する。 提案したDSは、すべての比率ラベル設定において、最先端のアルゴリズムを一貫して上回っている。
  論文  参考訳（メタデータ） (2022-05-26T00:33:44Z)
• Learning Self-Supervised Low-Rank Network for Single-Stage Weakly and Semi-Supervised Semantic Segmentation [119.009033745244]
  本稿では,単一段階弱教師付きセマンティックセマンティックセマンティックセマンティクス(WSSS)と半教師付きセマンティクスセマンティクスセマンティクス(SSSS)のための自己教師付き低ランクネットワーク(SLRNet)を提案する。 SLRNetは、画像の異なるビューから複数の注意深いLR表現を同時に予測し、正確な擬似ラベルを学習する。 Pascal VOC 2012、COCO、L2IDデータセットの実験では、SLRNetは最先端のWSSSメソッドとSSSSメソッドの両方で、さまざまな設定で優れています。
  論文  参考訳（メタデータ） (2022-03-19T09:19:55Z)
• On the Cross-dataset Generalization in License Plate Recognition [1.8514314381314887]
  12のOCRモデルのクロスデータセット一般化を実証的に評価するために,従来の分割対1データセットアウトの実験的なセットアップを提案する。 その結果、ALPRコンテキストにおけるアプローチを評価するために、従来の分割プロトコルの制限に光を当てた。
  論文  参考訳（メタデータ） (2022-01-02T00:56:09Z)
• Enhancing Fine-Grained Classification for Low Resolution Images [97.82441158440527]
  低解像度画像は、限られた情報内容の固有の課題と、サブカテゴリ分類に有用な詳細の欠如に悩まされる。 本研究では,補助情報を用いて分類の識別的特徴を学習する,新たな属性支援損失を提案する。 提案する損失関数により、モデルは属性レベルの分離性を取り入れながら、クラス固有の識別特徴を学習することができる。
  論文  参考訳（メタデータ） (2021-05-01T13:19:02Z)
• 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。