面向印度数据集的端到端自动车牌识别神经网络探索
计算机视觉与模式识别
2022-07-15 v1
摘要
印度车辆号牌在尺寸、字体、文字与形状上差异广泛。因此自动车牌识别（ANPR）方案的开发具挑战性，需要多样化数据集作为示例集合。然而，缺乏印度场景的综合数据集，阻碍了公开可复现 ANPR 方案的进展。许多国家已投入力量开发综合 ANPR 数据集，如中国的 Chinese City Parking Dataset (CCPD) 与美国的 Application-oriented License Plate (AOLP) 数据集。本工作中，我们发布一个当前含 1.5k 图像且可扩展复现的扩充流程的数据集，以推进印度条件下 ANPR 方案开发。我们利用该数据集探索了最初基于 CCPD 数据集提出、面向中国车辆号牌识别的端到端（E2E）ANPR 架构在印度场景下的应用。在针对我们的数据集定制该架构时，我们获得了若干见解并于文中讨论。我们报告了因印度号牌极度多样及与 CCPD 数据集分布差异，CCPD 作者所提供模型无法直接复用的障碍。在将印度数据集特征与中方数据集对齐后，车牌检测提升 42.86%。本工作还将 E2E 号牌检测模型与在 COCO 数据集预训练并基于印度车辆图像微调的 YOLOv5 模型进行比较。鉴于微调检测模块与 yolov5 所用的印度车辆图像数量相同，我们得出结论：基于 COCO 而非 CCPD 数据集开发印度条件 ANPR 方案更具样本效率。
引用
@article{arxiv.2207.06657,
title = {Exploration of an End-to-End Automatic Number-plate Recognition neural network for Indian datasets},
author = {Sai Sirisha Nadiminti and Pranav Kant Gaur and Abhilash Bhardwaj},
journal= {arXiv preprint arXiv:2207.06657},
year = {2022}
}