基于概率深度学习方法的车牌识别基准评测
计算机视觉与模式识别
2023-02-06 v1
摘要
用于自动车牌识别的基于学习的算法隐式地假设训练数据与测试数据良好对齐。然而，在极端环境条件下，或在系统无法针对特定采集设备进行训练的取证应用中，情况可能并非如此。在此类分布外图像上的预测失败概率会增加。但这一失败情况往往难以被人工操作员或自动化系统识别。因此，本文工作中我们提出对车牌识别的预测不确定性进行显式建模。此类不确定性度量可用于检测错误预测，在不应信任自动车牌识别结果时向分析人员发出指示。本文中，我们在两种架构上比较了三种不确定性量化方法。在合成噪声或模糊低分辨率图像上的实验表明，预测不确定性可可靠地发现错误预测。我们还表明，分类与超分辨率的联合多任务组合将识别性能提升了109%，并将错误预测的检出率提升了29%。
引用
@article{arxiv.2302.01427,
title = {Benchmarking Probabilistic Deep Learning Methods for License Plate Recognition},
author = {Franziska Schirrmacher and Benedikt Lorch and Anatol Maier and Christian Riess},
journal= {arXiv preprint arXiv:2302.01427},
year = {2023}
}