低质量夜间图像中的自动标牌识别
计算机视觉与模式识别
2023-08-21 v1
摘要
驾驶员辅助系统与自动驾驶技术的一项基本需求是实施稳健的交通标志检测与识别系统。该系统使车辆能够自主分析环境并就运动做出恰当决策，即便在较高帧率下运行也是如此。然而，在光照不足与恶劣天气条件下捕获的交通标志图像可见度差、模糊、褪色且受损。因此，此类情形下的交通标志识别本就困难。本文解决了从低光照、噪声与模糊图像中识别交通标志的挑战。为实现该目标，采用了两步法。第一步通过应用改进的 MIRNet 模型增强交通标志图像并生成增强图像。第二步，Yolov4 模型在非受限环境中识别交通标志。所提方法在 Yolov4 上针对低质量图像的 [email protected] 提升了 5.40%。在 GTSRB 数据集上总体 [email protected] 达 96.75%。在 GTSDB 数据集上宽泛类别的 [email protected] 亦达 100%，可与最先进工作媲美。
引用
@article{arxiv.2308.08941,
title = {Automatic Signboard Recognition in Low Quality Night Images},
author = {Manas Kagde and Priyanka Choudhary and Rishi Joshi and Somnath Dey},
journal= {arXiv preprint arXiv:2308.08941},
year = {2023}
}
备注
13 pages, CVIP 2023