基于压缩信息 Transformer 的法医车牌识别

法医车牌识别（FLPR）在刑事调查等法律语境中仍是一项开放性挑战，其中需从高度压缩和/或低分辨率的 footage（如监控摄像头画面）中辨识不可读车牌（LP）。本工作中，我们提出了一种侧信息 Transformer 架构，其嵌入关于输入压缩程度的知识，以在强压缩下改善识别。我们展示了 Transformer 在低成本真实世界数据集上用于车牌识别（LPR）的有效性。我们还提供了一个包含严重退化、不可辨 LP 图像的合成数据集，并分析了知识嵌入对其的影响。该网络以更少参数优于现有 FLPR 方法及标准 SOTA 图像识别模型。对于最严重退化的图像，我们可将识别率提升多达 8.9 个百分点。