用于放大车牌识别的解耦生成网络及统一数据集
计算机视觉与模式识别
2023-05-26 v2
摘要
车牌识别在许多实际应用中起着关键作用，但大车的车牌由于低分辨率、污损、低光照和遮挡等因素难以识别。为克服上述因素，交通管理部门通常在车辆后部引入放大车牌。然而，放大车牌因位置、尺寸和样式非标准而具有高度多样性。此外，背景区域包含多种噪声信息，极大干扰了车牌字符的识别。现有工作尚未研究这一挑战性问题。本工作中，我们首次解决放大车牌识别问题，并提供包含 9342 张图像的数据集，覆盖真实场景中的多数挑战。然而，所创建的数据仍不足以训练放大车牌识别的深度方法，且构建大规模训练数据耗时费力。为此，我们提出一种基于解耦生成网络（DGNet）的新型任务级解耦生成框架，该框架以端到端方式将生成解耦为文本生成与背景生成，有效保证多样性与完整性，从而实现鲁棒的放大车牌识别。我们在所创建数据集上进行了充分实验，并在三种代表性文本识别框架中证明了所提方法的有效性。
引用
@article{arxiv.2206.00859,
title = {Disentangled Generation Network for Enlarged License Plate Recognition and A Unified Dataset},
author = {Chenglong Li and Xiaobin Yang and Guohao Wang and Aihua Zheng and Chang Tan and Ruoran Jia and Jin Tang},
journal= {arXiv preprint arXiv:2206.00859},
year = {2023}
}
备注
Submission to CVIU