SNIDER: 허용증 인식 향상을 위한 단일 노이즈 이미지의 노이즈 제거 및 보정

본 논문에서는 저품질 이미지에서 실세계 번호판 인식(LPR)을 위한 알고리즘을 제안한다. 제안하는 방법은 노이즈 제거와 정방향화를 포함하는 프레임워크를 기반으로 하며, 각 작업은 합성곱 신경망(CNN)을 통해 수행된다. 기존의 연구에서는 노이즈 제거와 정방향화를 별도의 단일 네트워크로 다루어 왔다. 본 연구는 이러한 기존 접근 방식과 달리, 노이즈 제거와 정방향화 문제를 함께 해결하는 엔드투엔드 학습 가능한 이미지 복원 네트워크인 Single Noisy Image DEnoising and Rectification(SNIDER)를 제안한다. 이는 새로운 네트워크 구조를 설계하여 두 문제를 통합적으로 해결함으로써 기존의 한계를 극복한다. 또한, 다중 작업 적합을 위한 보조 작업을 활용한 최적화 방식과 새로운 학습 손실 함수를 제안한다. 두 개의 도전적인 LPR 데이터셋에 대한 광범위한 실험을 통해, 제안된 방법이 저품질 이미지에서 고품질 번호판 이미지를 효과적으로 복원할 수 있음을 입증하였으며, 기존의 최첨단 방법들보다 우수한 성능을 보임을 확인하였다.