关于车牌识别中的跨数据集泛化
计算机视觉与模式识别
2022-12-22 v4
摘要
自动车牌识别（ALPR）系统由于深度学习的进展和数据集的日益可用，在多个地区的车牌（LP）上展现出卓越性能。深度ALPR系统的评估通常在各数据集内完成；因此，此类结果能否可靠指示泛化能力值得怀疑。本文中，我们提出传统划分对比留一数据集外的实验设置，以经验评估应用于九个公开可用数据集上LP识别的12个光学字符识别（OCR）模型的跨数据集泛化，这些数据集在多个方面（如采集设置、图像分辨率和LP布局）差异很大。我们还引入了一个端到端ALPR的公开数据集，它是首个包含带有Mercosur车牌的车辆图像且拥有最多摩托车图像的数据集。实验结果表明，在ALPR背景下传统划分协议评估方法存在局限性，因为在留一数据集外方式训练和测试模型时，大多数数据集性能显著下降。
引用
@article{arxiv.2201.00267,
title = {On the Cross-dataset Generalization in License Plate Recognition},
author = {Rayson Laroca and Everton V. Cardoso and Diego R. Lucio and Valter Estevam and David Menotti},
journal= {arXiv preprint arXiv:2201.00267},
year = {2022}
}
备注
Accepted for presentation at the International Conference on Computer Vision Theory and Applications (VISAPP) 2022