用于车牌重识别的神经签名
计算机视觉与模式识别
2017-12-04 v1
摘要
车辆车牌重识别问题通常被视为一次性图像检索问题。该任务的目标是学习车牌的特征表示（称为“签名”）。输入的车牌图像被转换为签名，并通过距离度量与先前收集的模板数据库进行匹配。然后，输入图像被识别为签名与输入签名“最近”的模板。对于我们的问题，模板数据库被限制为每个唯一车牌仅包含一个签名。我们衡量了改编自人脸识别的基于深度卷积网络的特征在该任务上的性能。此外，我们还测试了一种混合方法，将 Fisher 向量与称为“f2nn”的基于神经网络的嵌入相结合，该嵌入使用 Triplet 损失函数训练。我们发现混合方法性能相当，同时具有计算优势。混合方法生成的签名对与训练语料差异更大的数据集也表现出更高的泛化能力。
引用
@article{arxiv.1712.00282,
title = {Neural Signatures for Licence Plate Re-identification},
author = {Abhinav Kumar and Shantanu Gupta and Vladimir Kozitsky and Sriganesh Madhvanath},
journal= {arXiv preprint arXiv:1712.00282},
year = {2017}
}