論文の概要: A Cloud-Based Hybrid Model for Real-Time Detection of BRTA-Approved Licence Plates Using YOLO Tiny and Haar Cascade

• arxiv url: http://arxiv.org/abs/2609.06507v1
• Date: Sun, 06 Sep 2026 09:49:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 05:27:14.108749
• Title: A Cloud-Based Hybrid Model for Real-Time Detection of BRTA-Approved Licence Plates Using YOLO Tiny and Haar Cascade
• Title（参考訳）: YOLOタイニーとハーアーカスケードを用いたBRTA認可リセレンスプレートのリアルタイム検出のためのクラウドベースハイブリッドモデル
• Abstract要約: バングラデシュでは、このタスクは、ローカライズされたナンバープレートの複雑さのために、異なる課題を提示している。 本稿では,YOLO TinyディープラーニングモデルとHaar-Cascaded分類器を組み合わせた新しいハイブリッド手法を提案する。 私たちのシステムの重要なイノベーションは、動的リトレーニングパイプラインの統合です。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate vehicle license plate detection is essential for applications such as intelligent transportation systems, toll collection, parking management, and law enforcement. In Bangladesh, this task presents distinct challenges due to the complexity of localized license plates and environmental factors like lighting, occlusion, motion blur, and obstructions such as dirt or mud. These challenges often render conventional methods ineffective. This paper introduces a novel hybrid approach, combining the YOLO Tiny deep learning model with the Haar-Cascade classifier, for enhanced detection and localization of Bengali license plates. A key innovation of our system is the integration of a dynamic retraining pipeline, which allows the model to adapt to evolving real-world conditions. This retraining mechanism significantly boosts performance in low-confidence scenarios by continuously improving the model's accuracy as new data is encountered. Additionally, a publicly accessible dataset of BRTA-compliant license plates, captured under diverse and challenging conditions, has been developed to support this approach. Experimental results demonstrate that our approach not only achieves superior detection accuracy and computational efficiency over conventional models but also ensures consistent performance in resource-constrained environments, particularly in Bangladesh.
• Abstract（参考訳）: 車両ナンバープレートの正確な検出は、インテリジェント輸送システム、有料収集、駐車管理、法執行機関などの応用に不可欠である。 バングラデシュでは、このタスクは、局部的なナンバープレートの複雑さと、照明、閉塞、動きのぼやけ、汚れや泥などの障害などの環境要因によって異なる課題を呈している。 これらの課題は、しばしば従来の手法を無効にする。 本稿では, YOLO TinyディープラーニングモデルとHaar-Cascade分類器を組み合わせたハイブリッド手法を提案する。 私たちのシステムの重要なイノベーションは、動的リトレーニングパイプラインの統合です。 このリトレーニング機構は、新しいデータに遭遇するたびにモデルの精度を継続的に改善することにより、低信頼シナリオのパフォーマンスを著しく向上させる。 さらに、BRTA準拠のライセンスプレートの公開データセットが、多様で困難な条件下で取得され、このアプローチをサポートするために開発されている。 実験により,本手法は従来のモデルよりも優れた検出精度と計算効率を実現するだけでなく,資源制約環境,特にバングラデシュにおける一貫した性能も確保できることが示された。

関連論文リスト

• BLPR: Robust License Plate Recognition under Viewpoint and Illumination Variations via Confidence-Driven VLM Fallback [0.8926650195128043]
  本稿では,ボリビアのライセンスプレートに特化して設計された,新しいディープラーニングベースのライセンスプレート検出・認識フレームワークを提案する。 提案システムは、Blenderで生成された合成データに基づいて、YOLOベースの検出器を事前訓練する2段階のパイプラインに従う。 このシステムは、実世界のデータに対して89.6%の文字レベルの認識精度を実現し、挑戦的な都市環境への展開の有効性を示す。
  論文  参考訳（メタデータ） (2026-04-10T21:46:46Z)
• Watermarks for Language Models via Probabilistic Automata [54.687037560547765]
  確率的オートマトンによって構築された新しいタイプの透かし方式を導入する。 i)指数的生成の多様性と計算効率の実践的スキーム,および(ii)暗号的仮定の下での形式的検出不可能性を保証する理論的構成を示す。
  論文  参考訳（メタデータ） (2025-12-11T00:49:06Z)
• Did Models Sufficient Learn? Attribution-Guided Training via Subset-Selected Counterfactual Augmentation [61.248535801314375]
  Subset-Selected Counterfactual Augmentation (SS-CA) 我々は,モデル予測を選択的に変更可能な最小空間領域集合を識別するために,対実的LIMAを開発した。 実験により,SS-CAは分布内テストデータ(ID)の一般化を改善し,分布外ベンチマーク(OOD)において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-11-15T08:39:22Z)
• 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)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• Training-free Quantum-Inspired Image Edge Extraction Method [4.8188571652305185]
  トレーニング不要で量子にインスパイアされたエッジ検出モデルを提案する。 提案手法は,古典的なソベルエッジ検出,シュリンガー波動方程式の洗練,ハイブリッドフレームワークを統合する。 トレーニングの必要性をなくすことで、モデルは軽量で多様なアプリケーションに適用できます。
  論文  参考訳（メタデータ） (2025-01-31T07:24:38Z)
• Training Neural Networks from Scratch with Parallel Low-Rank Adapters [46.764982726136054]
  計算ノード間の複数の低ランクヘッドの並列トレーニングを実現するために設計された,新しい双方向最適化アルゴリズムである LoRA-the-Explorer (LTE) を導入する。 我々のアプローチには、様々なビジョンデータセットを用いたビジョントランスフォーマーの広範な実験が含まれており、LTEが標準の事前トレーニングと競合していることが示されている。
  論文  参考訳（メタデータ） (2024-02-26T18:55:13Z)
• An advanced combination of semi-supervised Normalizing Flow & Yolo (YoloNF) to detect and recognize vehicle license plates [1.5208105446192792]
  本稿では、最先端のYOLOオブジェクト検出器と正規化フローに基づく、堅牢で効率的なALPRシステムを提案する。 まず、YOLOを用いた2段階ネットワークと正規化フローベースモデルを用いて、ライセンスプレート(LP)を検出し、数字とアラビア文字でLPを認識する。
  論文  参考訳（メタデータ） (2022-07-21T22:22:57Z)
• Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
  我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。 この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。 本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-08T04:09:13Z)
• Distributionally Robust Models with Parametric Likelihood Ratios [123.05074253513935]
  3つの単純なアイデアにより、より広いパラメトリックな確率比のクラスを用いてDROでモデルを訓練することができる。 パラメトリック逆数を用いてトレーニングしたモデルは、他のDROアプローチと比較して、サブポピュレーションシフトに対して一貫して頑健であることがわかった。
  論文  参考訳（メタデータ） (2022-04-13T12:43:12Z)
• End-to-End High Accuracy License Plate Recognition Based on Depthwise Separable Convolution Networks [0.0]
  ライセンスプレート認識のための新しいセグメンテーションフリーフレームワークを提案し,NP-ALPRデータセットを導入した。 提案するネットワークモデルは,最新のディープラーニング手法と最先端のアイデアと,新しいネットワークアーキテクチャのメリットで構成されている。 提案手法の有効性を3つの異なるデータセットで評価し,99%以上,70fps以上の認識精度を示した。
  論文  参考訳（メタデータ） (2022-02-21T14:45:03Z)
• Self-Damaging Contrastive Learning [92.34124578823977]
  ラベルのないデータは一般に不均衡であり、長い尾の分布を示す。 本稿では,クラスを知らずに表現学習を自動的にバランスをとるための,自己学習コントラスト学習という原則的枠組みを提案する。 実験の結果,SDCLRは全体としての精度だけでなく,バランス性も著しく向上することがわかった。
  論文  参考訳（メタデータ） (2021-06-06T00:04:49Z)

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。