SNIDER：ライセンスプレート認識の精度向上を目的とした単一のノイズ付き画像のノイズ除去と補正

本稿では、低品質な画像から現実世界の車両ナンバープレート認識（LPR）を行うためのアルゴリズムを提案する。本手法は、ノイズ除去と歪み補正を統合したフレームワークに基づいて構築されており、各タスクは畳み込みニューラルネットワーク（CNN）によって実行される。従来の研究では、ノイズ除去と歪み補正が別々のネットワークとして扱われ、独立して処理されてきた。これに対して、本研究では、これらの問題を統合的に解決することを目的として、エンド・トゥ・エンドで学習可能な画像復元ネットワーク「Single Noisy Image DEnoising and Rectification（SNIDER）」を提案する。SNIDERは、新たなネットワーク構造を設計することで、ノイズ除去と歪み補正を同時に効果的に処理することにより、従来のアプローチにおける課題を克服する。さらに、補助タスクを用いた最適化手法を導入し、マルチタスク学習のための新たな訓練損失関数を提案する。2つの挑戦的なLPRデータセットを用いた広範な実験により、本手法が低品質な入力画像から高品質なナンバープレート画像を効果的に復元できることを示し、既存の最先端手法を上回る性能を達成することが確認された。