Holistic Recognition of Low Quality License Plates by CNN using Track Annotated Data

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F17%3APU126440" target="_blank" >RIV/00216305:26230/17:PU126440 - isvavai.cz</a>

Výsledek na webu

<a href="http://ieeexplore.ieee.org/abstract/document/8078501/" target="_blank" >http://ieeexplore.ieee.org/abstract/document/8078501/</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/AVSS.2017.8078501" target="_blank" >10.1109/AVSS.2017.8078501</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Holistic Recognition of Low Quality License Plates by CNN using Track Annotated Data

Popis výsledku v původním jazyce

This work is focused on recognition of license plates in low resolution and low quality images. We present a methodology for collection of real world (non-synthetic) dataset of low quality license plate images with ground truth transcriptions. Our approach to the license plate recognition is based on a Convolutional Neural Network which holistically processes the whole image, avoiding segmentation of the license plate characters. Evaluation results on multiple datasets show that our method significantly outperforms other free and commercial solutions to license plate recognition on the low quality data. To enable further research of low quality license plate recognition, we make the datasets publicly available.

Název v anglickém jazyce

Holistic Recognition of Low Quality License Plates by CNN using Track Annotated Data

Popis výsledku anglicky

This work is focused on recognition of license plates in low resolution and low quality images. We present a methodology for collection of real world (non-synthetic) dataset of low quality license plate images with ground truth transcriptions. Our approach to the license plate recognition is based on a Convolutional Neural Network which holistically processes the whole image, avoiding segmentation of the license plate characters. Evaluation results on multiple datasets show that our method significantly outperforms other free and commercial solutions to license plate recognition on the low quality data. To enable further research of low quality license plate recognition, we make the datasets publicly available.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

International Workshop on Traffic and Street Surveillance for Safety and Security (AVSS 2017)

ISBN

978-1-5386-2939-0

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

1-6

Název nakladatele

IEEE Computer Society

Místo vydání

Lecce

Místo konání akce

Lecce

Datum konání akce

28. 8. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000426203700043