論文の概要: Toward Unified Fine-Grained Vehicle Classification and Automatic License Plate Recognition

• arxiv url: http://arxiv.org/abs/2604.05271v1
• Date: Tue, 07 Apr 2026 00:10:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.542093
• Title: Toward Unified Fine-Grained Vehicle Classification and Automatic License Plate Recognition
• Title（参考訳）: 微粒化車両の統一分類と自動ナンバープレート認識に向けて
• Abstract要約: 細粒自動車分類は、色、製法、モデル、タイプといった属性に基づいて車両を特定することで補完的なアプローチを提供する。 UFPR-VeSVは16,297台のユニークな車両の24,945枚の画像からなるデータセットで、13色、26色、136モデル、14種類のアノテーションを備えている。
• 参考スコア（独自算出の注目度）: 1.9591702376536702
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Extracting vehicle information from surveillance images is essential for intelligent transportation systems, enabling applications such as traffic monitoring and criminal investigations. While Automatic License Plate Recognition (ALPR) is widely used, Fine-Grained Vehicle Classification (FGVC) offers a complementary approach by identifying vehicles based on attributes such as color, make, model, and type. Although there have been advances in this field, existing studies often assume well-controlled conditions, explore limited attributes, and overlook FGVC integration with ALPR. To address these gaps, we introduce UFPR-VeSV, a dataset comprising 24,945 images of 16,297 unique vehicles with annotations for 13 colors, 26 makes, 136 models, and 14 types. Collected from the Military Police of Paraná (Brazil) surveillance system, the dataset captures diverse real-world conditions, including partial occlusions, nighttime infrared imaging, and varying lighting. All FGVC annotations were validated using license plate information, with text and corner annotations also being provided. A qualitative and quantitative comparison with established datasets confirmed the challenging nature of our dataset. A benchmark using five deep learning models further validated this, revealing specific challenges such as handling multicolored vehicles, infrared images, and distinguishing between vehicle models that share a common platform. Additionally, we apply two optical character recognition models to license plate recognition and explore the joint use of FGVC and ALPR. The results highlight the potential of integrating these complementary tasks for real-world applications. The UFPR-VeSV dataset is publicly available at: https://github.com/Lima001/UFPR-VeSV-Dataset.
• Abstract（参考訳）: 監視画像から車両情報を抽出することは、交通監視や刑事捜査などの応用を可能にするインテリジェント交通システムにとって不可欠である。 ALPR(Automatic License Plate Recognition)は広く使われているが、FGVC(Final-Grained Vehicle Classification)はカラー、メイク、モデル、タイプといった属性に基づいて車両を識別することで補完的なアプローチを提供する。 この分野では進歩があったが、既存の研究ではよく制御された条件を仮定し、限られた属性を探索し、ALPRとのFGVC統合を見落としていることが多い。 UFPR-VeSVは16,297台のユニークな車両の24,945枚の画像と、13色、26色、136モデル、14種類のアノテーションからなるデータセットである。 パラナ軍警察(ブラジル)の監視システムから収集されたこのデータセットは、部分閉塞、夜間赤外線イメージング、様々な照明など、様々な現実世界の状況を捉えている。 すべてのFGVCアノテーションは、ライセンスプレート情報を使用して検証され、テキストとコーナーアノテーションも提供されている。 確立されたデータセットと定性的かつ定量的に比較した結果、データセットの難易度が確認された。 5つのディープラーニングモデルを使用したベンチマークでは、これをさらに検証し、色とりどりの車両の扱い、赤外線画像、共通プラットフォームを共有する車両モデルの識別など、具体的な課題を明らかにした。 さらに,2種類の光学式文字認識モデルをプレート認識に適用し,FGVCとALPRの併用について検討する。 その結果、現実世界のアプリケーションにこれらの補完的なタスクを統合する可能性を強調した。 UFPR-VeSVデータセットは、https://github.com/Lima001/UFPR-VeSV-Datasetで公開されている。

関連論文リスト

• Connecting Vision and Emissions: A Behavioural AI Approach to Carbon Estimation in Road Design [0.0]
  都市環境における二酸化炭素排出量を推定するためのリアルタイム車両検出・分類フレームワークを改良したYOLOv8を提案する。 このフレームワークは、検出された各車両が追跡され、そのバウンディングボックスが収穫され、ディープ光学文字認識(OCR)モジュールに渡されるハイブリッドパイプラインを含む。 このOCRシステムは、複数の畳み込みニューラルネットワーク(CNN)層で構成され、文字レベルの検出とライセンスプレートの復号のために特別に訓練されている。
  論文  参考訳（メタデータ） (2025-06-18T11:50:24Z)
• Toward Enhancing Vehicle Color Recognition in Adverse Conditions: A Dataset and Benchmark [2.326743352134195]
  車両色認識(VCR)は、視覚的に区別可能な車両の属性であるため、重要な研究の関心を集めている。 このタスクの既存の手法の成功にもかかわらず、文献で使用されるデータセットの比較的低い複雑さは、ほとんど見過ごされてきている。 この研究は、より困難なVCRシナリオを表す新しいデータセットをコンパイルすることで、このギャップに対処する。
  論文  参考訳（メタデータ） (2024-08-21T12:54:41Z)
• A Large-Scale Car Parts (LSCP) Dataset for Lightweight Fine-Grained Detection [0.23020018305241333]
  本稿では,12種類の自動車部品を検出するため,84,162枚の画像からなる大規模できめ細かな自動車データセットを提案する。 手動アノテーションの負担を軽減するため,新しい半教師付き自動ラベリング手法を提案する。 また,ゼロショットラベリングにおけるグラウンディングDINOアプローチの限界についても検討する。
  論文  参考訳（メタデータ） (2023-11-20T13:30:42Z)
• Robust Semi-supervised Federated Learning for Images Automatic Recognition in Internet of Drones [57.468730437381076]
  プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。 異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。 本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
  論文  参考訳（メタデータ） (2022-01-03T16:49:33Z)
• TICaM: A Time-of-flight In-car Cabin Monitoring Dataset [10.845284058153837]
  TICaMは、単一の広角深度カメラを使用して車両内部の監視のための飛行中キャビンモニタリングデータセットです。 運転中の動作の総括的リストを記録し,マルチモーダルなラベル付き画像を提供する。 実際の記録に加えて,同種の画像とアノテーションを用いた車内キャビン画像の合成データセットを提供する。
  論文  参考訳（メタデータ） (2021-03-22T10:48:45Z)
• Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
  本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。 本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。 競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
  論文  参考訳（メタデータ） (2020-12-04T15:10:12Z)
• Vehicle Detection of Multi-source Remote Sensing Data Using Active Fine-tuning Network [26.08837467340853]
  提案するMs-AFtフレームワークは,移動学習,セグメンテーション,アクティブな分類を,自動ラベリングと検出のための統合されたフレームワークに統合する。 提案したMs-AFtは、未ラベルのデータセットから車両のトレーニングセットを最初に生成するために、微調整ネットワークを使用している。 2つのオープンISPRSベンチマークデータセットで実施された大規模な実験結果は、車両検出のための提案されたMs-AFtの優位性と有効性を示している。
  論文  参考訳（メタデータ） (2020-07-16T17:46:46Z)
• 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)
• The Devil is in the Details: Self-Supervised Attention for Vehicle Re-Identification [75.3310894042132]
  車両識別のための自己監督的注意(SAVER)は、車両固有の識別特徴を効果的に学習するための新しいアプローチである。 我々は,SAVERがVeRi, VehicleID, Vehicle-1M, VERI-Wildのデータセットに挑戦する際の最先端性を改善することを示す。
  論文  参考訳（メタデータ） (2020-04-14T02:24:47Z)
• Parsing-based View-aware Embedding Network for Vehicle Re-Identification [138.11983486734576]
  本稿では,車載ReIDのビューアウェア機能アライメントと拡張を実現するために,解析に基づくPVEN(View-Aware Embedding Network)を提案する。 3つのデータセットで行った実験により、我々のモデルは最先端の手法よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-10T13:06:09Z)

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。