YOLO検出器を用いた効率的かつレイアウトに依存しない自動車ナンバープレート認識システム

本論文では、最先端のYOLOオブジェクト検出器を基にした効率的かつレイアウトに依存しない自動車ナンバープレート認識（ALPR）システムを提案します。このシステムは、ナンバープレート（LP）検出とレイアウト分類の統合アプローチを採用し、後処理ルールを使用して認識結果を向上させることを目指しています。システムは、異なるモデルの評価と最適化を通じて設計されており、各段階で最適な速度/精度のトレードオフを達成することを目的としています。ネットワークは、複数のデータセットから得られた画像と様々なデータ拡張技術を使用して訓練され、異なる条件においても堅牢性を持つように設計されています。提案されたシステムは、実験で使用された8つの公開データセット（5つの異なる地域から）において平均的なエンドツーエンド認識率96.9%を達成し、中国LP、OpenALPR-EU、SSIG-SegPlateおよびUFPR-ALPRデータセットでの既存の研究や商用システムを上回る性能を示しました。その他のデータセットでも、ベースラインと競合する結果を得ています。また、当社のシステムは高性能GPU上で印象的なフレームレート（FPS）を達成しており、シーン内に4台の車両が存在する場合でもリアルタイム処理が可能です。さらに、我々は公開データセットから6,239枚の画像に対して38,351個のバウンディングボックスを手動でラベリングし、これらの注釈を研究コミュニティ向けに公開しました。