基于扩散模型的车牌图像生成
计算机视觉与模式识别
2025-01-08 v1 人工智能
机器学习
摘要
尽管车牌识别（LPR）具有明显的实际重要性，但由于《通用数据保护条例》（GDPR）等隐私法规的限制，相关研究受限于公开数据集的规模。为了应对这一挑战，合成数据生成已成为一种极具前景的方法。受图像和视频生成最新进展的启发，本文提出使用扩散模型合成逼真的车牌（LP）。在我们的实验中，扩散模型在乌克兰车牌数据集上成功进行了训练，并生成了 1000 张合成图像以供详细分析。通过对生成的图像进行人工分类和标注，我们对模型输出进行了深入研究，包括成功率、字符分布和失败类型。我们的贡献包括实验验证了扩散模型在车牌合成方面的有效性，并提供了关于生成数据特征的见解。此外，我们准备了一个包含 10,000 张车牌图像的合成数据集，已在 https://zenodo.org/doi/10.5281/zenodo.13342102 公开发布。所进行的实验从经验上证实了合成数据对 LPR 任务的有效性。尽管使用真实数据和合成数据训练的模型之间存在初始性能差距，但通过使用伪标记合成数据扩展训练数据集，LPR 准确率较基线提升了 3%。
引用
@article{arxiv.2501.03374,
title = {License Plate Images Generation with Diffusion Models},
author = {Mariia Shpir and Nadiya Shvai and Amir Nakib},
journal= {arXiv preprint arXiv:2501.03374},
year = {2025}
}