基于对抗超分辨率的无约束监控系统中实用车牌识别
计算机视觉与模式识别
2019-10-11 v1 机器学习
摘要
尽管当前大多数车牌（LP）识别应用已取得显著进展，但它们仍局限于训练数据经过仔细标注且场景受限的理想环境。本文提出一种新颖的车牌识别方法以处理无约束的真实世界交通场景。为克服这些困难，我们使用对抗超分辨率（SR）以及单阶段字符分割与识别。结合基于 VGG-net 的深度卷积网络，我们的方法提供了简单而合理的训练流程。此外，我们引入了 GIST-LP，一个具有挑战性的车牌数据集，其中图像样本有效地采集自无约束监控场景。在 AOLP 和 GIST-LP 数据集上的实验结果表明，我们的方法无需任何场景特定适配，在准确率上优于当前车牌识别方法，并在我们的 SR 结果中提供比原始数据更易于理解的视觉增强。
引用
@article{arxiv.1910.04324,
title = {Practical License Plate Recognition in Unconstrained Surveillance Systems with Adversarial Super-Resolution},
author = {Younkwan Lee and Jiwon Jun and Yoojin Hong and Moongu Jeon},
journal= {arXiv preprint arXiv:1910.04324},
year = {2019}
}
备注
Accepted at VISAPP, 2019