SNIDER：用于提升车牌识别的单张噪声图像去噪与校正
计算机视觉与模式识别
2019-10-10 v1 机器学习
摘要
本文提出一种从低质量图像进行真实世界车牌识别（LPR）的算法。我们的方法构建于包含去噪与校正的框架之上，且各任务均由卷积神经网络完成。已有去噪与校正研究被作为单一网络分开处理。与先前工作不同，我们在此提出一个端到端可训练的图像恢复网络，即单张噪声图像去噪与校正（SNIDER），其专注于联合解决这两个问题。它通过设计新颖网络联合处理去噪与校正从而克服那些障碍。此外，我们提出一种利用辅助任务进行多任务拟合与新颖训练损失的优化方法。在两个具挑战性的 LPR 数据集上的大量实验证明了我们所提方法从低质量图像恢复高质量车牌图像的有效性，并表明所提方法优于其他最先进方法。
引用
@article{arxiv.1910.03876,
title = {SNIDER: Single Noisy Image Denoising and Rectification for Improving License Plate Recognition},
author = {Younkwan Lee and Juhyun Lee and Hoyeon Ahn and Moongu Jeon},
journal= {arXiv preprint arXiv:1910.03876},
year = {2019}
}
备注
accepted to ICCV 2019 Workshop