信頼性の高い深層学習アプローチを用いたイランのナンバープレート認識

自動ナンバープレート認識（ALPR）の問題は、近年、天候条件、カメラの角度、照明、ナンバープレート上の異なる文字などのさまざまな要因によって難しいものとなっています。しかし、深層ニューラルネットワークの進展のおかげで、特定のタイプのニューラルネットワークおよびモデルを使用してイランのナンバープレートを認識することが可能になりました。提案された方法では、ナンバープレートの認識は二段階で行われます。まず、YOLOv4-tinyモデルを使用して入力画像からナンバープレートが検出されます。このモデルは畳み込みニューラルネットワーク（CNN）に基づいています。次に、ナンバープレート上の文字は畳み込み再帰型ニューラルネットワーク（CRNN）および接続主義時系列分類（CTC）を使用して認識されます。文字を別々にセグメント化し、ラベルを付ける必要はなく、数字と文字の1つの文字列だけでラベルは十分です。モデルの成功したトレーニングには、3065枚のナンバープレートの画像と3364枚のナンバープレート文字の画像が必要なデータセットとして使用されました。提案された方法は、ナンバープレート検出（LPD）部分において、Darknetフレームワークで1画像あたりの平均応答時間が0.0074秒、141フレーム毎秒（fps）、TensorFlowフレームワークにおいて1画像あたり0.128秒の応答時間を誇ります。