論文の概要: LPLCv2: An Expanded Dataset for Fine-Grained License Plate Legibility Classification

• arxiv url: http://arxiv.org/abs/2604.08741v1
• Date: Thu, 09 Apr 2026 20:07:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.564091
• Title: LPLCv2: An Expanded Dataset for Fine-Grained License Plate Legibility Classification
• Title（参考訳）: LPLCv2: ファイングラインドプレート分類のための拡張データセット
• Authors: Lucas Wojcik, Eduardo A. F. Machoski, Eduil Nascimento, Rayson Laroca, David Menotti,
• Abstract要約: 低品質の撮像装置、圧縮アーティファクト、最適なカメラの設置など、大規模な実世界の利用は依然として困難である。 本研究では,オリジナルのベンチマークを2日間のキャプチャで3倍以上に拡張し,アノテーションを改訂し,新しいラベルを導入する。 本稿では,指数移動平均損失関数と改良された学習率スケジューラを備えた新しいトレーニング手法を提案する。
• 参考スコア（独自算出の注目度）: 2.0215972783560745
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern Automatic License Plate Recognition (ALPR) systems achieve outstanding performance in controlled, well-defined scenarios. However, large-scale real-world usage remains challenging due to low-quality imaging devices, compression artifacts, and suboptimal camera installation. Identifying illegible license plates (LPs) has recently become feasible through a dedicated benchmark; however, its impact has been limited by its small size and annotation errors. In this work, we expand the original benchmark to over three times the size with two extra capture days, revise its annotations and introduce novel labels. LP-level annotations include bounding boxes, text, and legibility level, while vehicle-level annotations comprise make, model, type, and color. Image-level annotations feature camera identity, capture conditions (e.g., rain and faulty cameras), acquisition time, and day ID. We present a novel training procedure featuring an Exponential Moving Average-based loss function and a refined learning rate scheduler, addressing common mistakes in testing. These improvements enable a baseline model to achieve an 89.5% F1-score on the test set, considerably surpassing the previous state of the art. We further introduce a novel protocol to explicitly addresses camera contamination between training and evaluation splits, where results show a small impact. Dataset and code are publicly available at https://github.com/lmlwojcik/LPLCv2-Dataset.
• Abstract（参考訳）: 現代の自動ナンバープレート認識(ALPR)システムは、制御された、明確に定義されたシナリオにおいて優れた性能を達成する。 しかし、低品質の撮像装置、圧縮アーティファクト、最適化カメラの設置などにより、大規模な実世界の利用は依然として困難である。 Identification illegible license plates (LPs)は、最近、専用のベンチマークを通じて実現可能になったが、その影響は、その小さなサイズとアノテーションエラーによって制限されている。 本研究では,オリジナルのベンチマークを2日間のキャプチャで3倍以上に拡張し,アノテーションを改訂し,新しいラベルを導入する。 LPレベルのアノテーションには、バウンディングボックス、テキスト、レガシビリティレベルが含まれており、一方車両レベルのアノテーションは、メイク、モデル、タイプ、カラーで構成されている。 画像レベルのアノテーションには、カメラアイデンティティ、キャプチャ条件(例えば、雨と失敗のカメラ)、取得時間、日時IDがある。 本稿では,指数移動平均損失関数と改良された学習率スケジューラを特徴とする新しいトレーニング手法を提案する。 これらの改良により、ベースラインモデルはテストセットで89.5%のF1スコアを達成することができ、以前の最先端モデルを大きく上回った。 さらに、トレーニングと評価の分割の間にカメラの汚染を明示的に対処する新しいプロトコルを導入する。 データセットとコードはhttps://github.com/lmlwojcik/LPLCv2-Datasetで公開されている。

関連論文リスト

• Efficient License Plate Recognition via Pseudo-Labeled Supervision with Grounding DINO and YOLOv8 [0.29949629644252374]
  ALPRは交通制御、駐車、車両追跡、料金徴収、法執行機関の応用において不可欠である。 本稿では, YOLOv8によるプレート検出・認識タスクの深層学習戦略を提案する。 これは、CENPARMI(Center for Pattern Recognition and Machine Intelligence)のデータセットで94%、UFPR-ALPRデータセットで91%という驚くべきリコール率を達成した。
  論文  参考訳（メタデータ） (2025-10-28T23:21:00Z)
• LPLC: A Dataset for License Plate Legibility Classification [1.907858714149189]
  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。
  論文  参考訳（メタデータ） (2025-08-25T19:18:02Z)
• Weakly Supervised Semantic Segmentation for Driving Scenes [27.0285166404621]
  弱教師付きセマンティックセグメンテーション(WSSS)における最先端技術は、駆動シーンデータセットに深刻な性能劣化を示す。 シーンデータセットの駆動に適した新しいWSSSフレームワークを開発した。
  論文  参考訳（メタデータ） (2023-12-21T08:16:26Z)
• Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
  ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。 従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。 本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
  論文  参考訳（メタデータ） (2021-05-22T10:17:38Z)
• A Closer Look at Temporal Sentence Grounding in Videos: Datasets and Metrics [70.45937234489044]
  2つの広く使用されているTSGVデータセット(Charades-STAとActivityNet Captions)を再編成し、トレーニング分割と異なるものにします。 基本的なIoUスコアを校正するために、新しい評価基準「dR@$n$,IoU@$m$」を導入する。 すべての結果は、再編成されたデータセットと新しいメトリクスがTSGVの進捗をよりよく監視できることを示している。
  論文  参考訳（メタデータ） (2021-01-22T09:59:30Z)
• Uncertainty-Aware Weakly Supervised Action Detection from Untrimmed Videos [82.02074241700728]
  本稿では,ビデオフレームラベルのみを用いてトレーニングした,禁止レベルの行動認識モデルを提案する。 人1人当たりの手法は、複数のインスタンス学習フレームワーク内の大規模な画像データセットで訓練されている。 標準的な多重インスタンス学習の仮定では、各バッグには、指定されたラベルを持つ少なくとも1つのインスタンスが含まれているという仮定が無効である場合、どのようにメソッドを適用するかを示す。
  論文  参考訳（メタデータ） (2020-07-21T10:45:05Z)
• 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)
• EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement [53.69674636044927]
  本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。 完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。 完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-18T08:04:58Z)
• Solving Missing-Annotation Object Detection with Background Recalibration Loss [49.42997894751021]
  本稿では,新しい,かつ困難な検出シナリオに焦点を当てる。 真のオブジェクト/インスタンスの大部分は,データセットにラベル付けされていない。 従来, ソフトサンプリングを用いて, 正の例と重なり合うRoIsの勾配を再重み付けする手法が提案されてきた。 本稿では、予め定義されたIoU閾値と入力画像に基づいて損失信号を自動的に校正できる、バックグラウンド校正損失(BRL)と呼ばれる優れた解を提案する。
  論文  参考訳（メタデータ） (2020-02-12T23:11:46Z)

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。