SNIDER: إزالة الضوضاء وتصحيح صورة واحدة ملوثة لتحسين التعرف على لوحات الترخيص

في هذه الورقة، نقدم خوارزمية لتحديد لوحة الترخيص في العالم الحقيقي من صورة منخفضة الجودة. تعتمد طريقة عملنا على إطار عمل يتضمن تنقية الصورة وإزالة التشوهات، ويُنفَّذ كل مهمة باستخدام شبكات عصبية متعددة الطبقات (Convolutional Neural Networks). في الأبحاث السابقة، تم التعامل مع تنقية الصورة وإزالة التشوهات بشكل منفصل، كمهمتين منفصلتين داخل شبكة واحدة. على عكس العمل السابق، نقترح هنا شبكة قابلة للتدريب من البداية إلى النهاية لاستعادة الصورة، تُسمى "SNIDER" (Single Noisy Image DEnoising and Rectification)، والتي تركز على حل المشكلتين معًا في آن واحد. وتعمل هذه الشبكة على التغلب على هذه التحديات من خلال تصميم شبكة مبتكرة تتعامل مع تنقية الصورة وإزالة التشوهات معًا. علاوةً على ذلك، نقترح طريقة لاستخدام التحسين مع المهام المساعدة لتحقيق التكيّف متعدد المهام، بالإضافة إلى تصميم دوال تدريب جديدة. أظهرت التجارب الواسعة على مجموعتي بيانات تحدي لتحديد لوحة الترخيص أن طريقة الاقتراح فعّالة جدًا في استعادة صورة لوحة الترخيص عالية الجودة من صورة منخفضة الجودة، كما أظهرت أن الأداء يتفوق على الطرق الحديثة الأخرى المتميزة.