تعاني أنظمة التعرف التلقائي على لوحات الترخيص (ALPR) في بيئات CCTV الحقيقية من تدهور شديد في الأداء بسبب انخفاض الدقة والانحلالات المعقدة غير الخطية الناجمة عن التقاط المسافات الطويلة وظروف الطقس المتنوعة. تقتصر تقنيات السوبر ريزولوشن الحالية على التركيز على استعادة مستوى البكسل، مما يهدد معلومات الخصائص الهيكلية، أو تفشل في التكيف بشكل مرن مع البيئات الحقيقية بسبب عوامل المقياس الثابتة وافتراضات التدهور المثالية. لمعالجة هذه المشكلات، تقترح هذه الورقة SAF-LPR، وهو إطار عمل شبكة عصبية عاكس مدرك للانحناء. نقدم استراتيجية "نقل الوزن العاكس" لنموذج العملية العكسية الفيزيائية لعملية التدهور الفعلية بشكل فعّال. تعتمد الطريقة المقترحة المكونة من مرحلتين أولاً على تعلم أنماط التدهور الفعلية والضوضاء من خلال مشفر هرمية عميق متبقي وتستخدم المرشحات المنقولة كقيم أولية لمفكك استعادة البيانات. بعد ذلك، يتم دمج تقنيات إعادة التدرج العشوائي وتعديل التدهور التكيفي، وأخيرًا، يتم إنتاج صور محسّنة للمتعقبين من خلال حلقة تغذية راجعة دلالية تستند إلى الانتباه إلى الانحناء والأولويات النصية. توضح النتائج التجريبية على مجموعة بيانات UFPR-SR-Plates الواقعية أن النموذج المقترح يتفوق بشكل كبير على النماذج الأخرى الموجودة في كل من معايير جودة الصورة الكمية (PSNR) ودقة التعرف، مما يثبت قدرته الفائقة على استعادة الهياكل الواضحة حتى في الشخصيات المتضررة بشدة.
درس لي وزملاؤه (الثلاثاء) هذا السؤال.