LPRNet: Erkennung von Kennzeichen durch tiefe Neuronale Netze

Dieses Papier stellt LPRNet vor – eine end-to-end Methode für die automatische Kennzeigerkennung (Automatic License Plate Recognition) ohne vorherige Zeichensegmentierung. Unser Ansatz stützt sich auf jüngste Durchbrüche im Bereich der tiefen neuronalen Netze (Deep Neural Networks) und arbeitet in Echtzeit mit einer Erkennungsrate von bis zu 95 % für chinesische Kennzeichen: 3 ms pro Kennzeichen auf einem nVIDIA GeForce GTX 1080 und 1,3 ms pro Kennzeichen auf einem Intel Core i7-6700K CPU. LPRNet besteht aus einem leichten Faltungsneuronalen Netz (Convolutional Neural Network), wodurch es in einer end-to-end Weise trainiert werden kann. Nach bestem Wissen ist LPRNet das erste Echtzeit-Kennzeigerkennungssystem, das keine rekurrenten neuronalen Netze (RNNs) verwendet. Das LPRNet-Algorithmus kann daher zur Erstellung eingebetteter Lösungen für die automatische Kennzeigerkennung eingesetzt werden, die auch bei anspruchsvollen chinesischen Kennzeichen eine hohe Genauigkeit aufweisen.