Geometric Alignment by Deep Learning for Recognition of Challenging License Plates

V tomto článku zkoumáme problém rozpoznání registračních značky vozidel v přirozeném prostředí (ve smyslu zachycení dat v neomezených podmínkách, pořízených z libovolných pohledů a vzdálenosti). Navrhujeme metodu automatického rozpoznání registračních značek v přirozeném prostředí na základě geometrického zarovnání (rektifikace) registračních značek. Zarovnání provádí konvoluční neuronová síť, která odhaduje kontrolní body pro opravu obrázku a je aplikováno jako krok předcházející rozpoznání značky holistickým způsobem. Krok rekfitikace je formulován tak, že celý proces zarovnání a rozpoznávání může být sestaven do jednoho výpočetního grafu stávajících frameworků pro neuronové sítě jako je Tensorflow. Experimenty ukazují, že použití zarovnávače značně pomáhá rozpoznávání: chyba klesla z 9,6% na 2,1% na reálných snímcích registračních značek. Pokusy také ukazují, že řešení je rychlé - 
je schopné pracovat v reálném čase i na vestavěných systémech a
platformách s nízkým výkonem (Jetson TX2). 
Shromáždili jsme a přichystali datovou sadu poznávacích značek nazvanou CamCar6k, obsahující 6 064 snímků s anotovanými rohovými body a přepisy textů registračních značek. Tento dataset je veřejně dostupný.