Článek ve sborníku konference

ŠPAŇHEL Jakub, SOCHOR Jakub, JURÁNEK Roman a HEROUT Adam. Geometric Alignment by Deep Learning for Recognition of Challenging License Plates. In: 2018 21st International Conference on Intelligent Transportation Systems (ITSC). Lahaina, Maui: IEEE Intelligent Transportation Systems Society, 2018, s. 3524-3529. ISBN 978-1-72810-321-1. Dostupné z: https://ieeexplore.ieee.org/document/8569259
Jazyk publikace:angličtina
Název publikace:Geometric Alignment by Deep Learning for Recognition of Challenging License Plates
Název (cs):Rozpoznání obtížných registračních značek pomocí geometrické zarovnání hlubokým učením
Strany:3524-3529
Sborník:2018 21st International Conference on Intelligent Transportation Systems (ITSC)
Konference:21st IEEE International Conference on Intelligent Transportation Systems
Místo vydání:Lahaina, Maui, US
Rok:2018
URL:https://ieeexplore.ieee.org/document/8569259
ISBN:978-1-72810-321-1
DOI:10.1109/ITSC.2018.8569259
Vydavatel:IEEE Intelligent Transportation Systems Society
Klíčová slova
License Plate Recognition, CNN, License Plate
Dataset, Image Alignment, Intelligent Transportation Systems
Anotace
V tomto článku zkoumáme problém rozpoznání registračních značky vozidel v přirozeném prostředí (ve smyslu zachycení dat v neomezených podmínkách, pořízených z libovolných pohledů a vzdálenosti). Navrhujeme metodu automatického rozpoznání registračních značek v přirozeném prostředí na základě geometrického zarovnání (rektifikace) registračních značek. Zarovnání provádí konvoluční neuronová síť, která odhaduje kontrolní body pro opravu obrázku a je aplikováno jako krok předcházející rozpoznání značky holistickým způsobem. Krok rekfitikace je formulován tak, že celý proces zarovnání a rozpoznávání může být sestaven do jednoho výpočetního grafu stávajících frameworků pro neuronové sítě jako je Tensorflow. Experimenty ukazují, že použití zarovnávače značně pomáhá rozpoznávání: chyba klesla z 9,6% na 2,1% na reálných snímcích registračních značek. Pokusy také ukazují, že řešení je rychlé - 
je schopné pracovat v reálném čase i na vestavěných systémech a
platformách s nízkým výkonem (Jetson TX2). 
Shromáždili jsme a přichystali datovou sadu poznávacích značek nazvanou CamCar6k, obsahující 6 064 snímků s anotovanými rohovými body a přepisy textů registračních značek. Tento dataset je veřejně dostupný.
BibTeX:
@INPROCEEDINGS{
   author = {Jakub {\v{S}}pa{\v{n}}hel and Jakub Sochor and
	Roman Jur{\'{a}}nek and Adam Herout},
   title = {Geometric Alignment by Deep Learning for
	Recognition of Challenging License Plates},
   pages = {3524--3529},
   booktitle = {2018 21st International Conference on Intelligent
	Transportation Systems (ITSC)},
   year = {2018},
   location = {Lahaina, Maui, US},
   publisher = {IEEE Intelligent Transportation Systems Society},
   ISBN = {978-1-72810-321-1},
   doi = {10.1109/ITSC.2018.8569259},
   language = {english},
   url = {http://www.fit.vutbr.cz/research/view_pub.php.cs?id=11845}
}

Vaše IPv4 adresa: 18.232.99.123