Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Geometric Alignment by Deep Learning for Recognition of Challenging License Plates

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F18%3APU130797" target="_blank" >RIV/00216305:26230/18:PU130797 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://ieeexplore.ieee.org/document/8569259" target="_blank" >https://ieeexplore.ieee.org/document/8569259</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/ITSC.2018.8569259" target="_blank" >10.1109/ITSC.2018.8569259</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Geometric Alignment by Deep Learning for Recognition of Challenging License Plates

  • Popis výsledku v původním jazyce

    In this paper, we explore the problem of license plate recognition in-the-wild (in the meaning of capturing data in unconstrained conditions, taken from arbitrary viewpoints and distances). We propose a method for automatic license plate recognition in-the-wild based on a geometric alignment of license plates as a preceding step for holistic license plate recognition. The alignment is done by a Convolutional Neural Network that estimates control points for rectifying the image and the following rectification step is formulated so that the whole alignment and recognition process can be assembled into one computational graph of a contemporary neural network framework, such as Tensorflow. The experiments show that the use of the aligner helps the recognition considerably: the error rate dropped from 9.6 % to 2.1 % on real-life images of license plates. The experiments also show that the solution is fast - it is capable of real-time processing even on an embedded and low-power platform (Jetson TX2). We collected and annotated a dataset of license plates called CamCar6k, containing 6,064 images with annotated corner points and ground truth texts. We make this dataset publicly available.

  • Název v anglickém jazyce

    Geometric Alignment by Deep Learning for Recognition of Challenging License Plates

  • Popis výsledku anglicky

    In this paper, we explore the problem of license plate recognition in-the-wild (in the meaning of capturing data in unconstrained conditions, taken from arbitrary viewpoints and distances). We propose a method for automatic license plate recognition in-the-wild based on a geometric alignment of license plates as a preceding step for holistic license plate recognition. The alignment is done by a Convolutional Neural Network that estimates control points for rectifying the image and the following rectification step is formulated so that the whole alignment and recognition process can be assembled into one computational graph of a contemporary neural network framework, such as Tensorflow. The experiments show that the use of the aligner helps the recognition considerably: the error rate dropped from 9.6 % to 2.1 % on real-life images of license plates. The experiments also show that the solution is fast - it is capable of real-time processing even on an embedded and low-power platform (Jetson TX2). We collected and annotated a dataset of license plates called CamCar6k, containing 6,064 images with annotated corner points and ground truth texts. We make this dataset publicly available.

Klasifikace

  • 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)

Návaznosti výsledku

  • 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)

Ostatní

  • Rok uplatnění

    2018

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    2018 21st International Conference on Intelligent Transportation Systems (ITSC)

  • ISBN

    978-1-72810-321-1

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    3524-3529

  • Název nakladatele

    IEEE Intelligent Transportation Systems Society

  • Místo vydání

    Lahaina, Maui

  • Místo konání akce

    Maui, Hawaii

  • Datum konání akce

    4. 11. 2018

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000457881303079