인조 번호판을 이용한 자동차 번호인식 성능 향상 기법

장일식; 박구만

추천

검색

질문

자료유형: 학술저널

저자정보: 장일식 (서울과학기술대학교) 박구만 (서울과학기술대학교)

저널정보: 한국방송·미디어공학회 방송공학회논문지 방송공학회논문지 제26권 제4호

발행연도: 2021.7

수록면: 453 - 462 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

자동차 번호인식을 위해선 수많은 번호판 데이터가 필요하다. 번호판 데이터는 과거의 번호판부터 최신의 번호판까지 균형 있는 데이터의 확보가 필요하다. 하지만 실제 과거의 번호판부터 최신의 번호판의 데이터를 획득하는데 어려움이 있다. 이러한 문제를 해결하기 위해 인조 번호판을 이용하여 자동차 번호판을 생성하여 딥러닝을 통한 번호판 인식 연구가 진행되고 있다. 하지만 인조 데이터는 실제 데이터와 차이가 존재하며, 이러한 문제를 해결하기 위해 다양한 데이터 증강 기법을 사용한다. 기존 데이터 증강 방식은 단순히 밝기, 회전, 어파인 변환, 블러, 노이즈등의 방법을 사용하였다. 본 논문에서는 데이터 증강 방법으로 인조데이터를 실제 데이터 스타일로 변환하는 스타일 변환 방법을 적용한다. 또한 실제 번호판 데이터는 원거리가 많고 어두운 경우 잡음이 많이 존재한다. 단순히 입력데이터를 가지고 문자를 인식할 경우 오인식의 가능성이 높다. 이러한 경우 문자인식 향상을 위해 본 논문에서는 문자인식을 위하여 화질개선 방법으로 DeblurGANv2 방법을 적용하여 번호판 인식 정확도를 높였다. 번호판 검출 및 번호판 번호인식을 위한 딥러닝의 방식은 YOLO-V5를 사용하였다. 인조 번호판 데이터 성능을 판단하기 위해 자체적으로 확보한 자동차 번호판을 수집하여 테스트 셋을 구성하였다. 스타일 변환을 적용하지 않은 번호판 검출이 0.614mAP를 기록하였다. 스타일 변환을 적용한 결과 번호판 검출 성능이 0.679mAP 기록하여 성능이 향상되었음을 확인하였다. 또한 번호판 문자인식에는 화질 개선을 하지 않은 검출 성공률은 0.872를 기록하였으며, 화질 개선 후 검출 성능이 0.915를 기록하여 성능 향상이 되었음을 확인 하였다.

#Synthetic license plate #Data augmentation #Style transformation #DeblurGANv2 #YOLO-V5

참고문헌 (30)

참고문헌 신청

J. Van Hulse, T. M. Khoshgoftaar, A. Napolitano, “Experimental perspectives on learning from imbalanced data,” in Proceedings of the ACM International Conference on Machine Learning, New York, pp.935-942, 2007.

Jae-Hyeon Lee, Sung-Man Cho, Seung-Ju Lee, Cheong-Hwa Kim, Goo-Man Park. “License Plate Recognition System Using Synthetic Data,” pp.107–115, 2020, doi:10.5573/ieie.2020.57.1.107

Yaroslav Ganin, Evgeniya Ustinova, Hana Ajakan, et al. “Domain-Adversarial Training of Neural Networks,” Journal of Machine Learning Research vol. 17, pp.1-35, 2016

Goodfellow I, Pouget-Abadie J, Mirza M, Xu B, Warde-Farley D, Ozair S, et al. “Generative adversarial nets,” Adv Neural Inf Process Syst. 2014.

Connor Shorten, Taghi M, Khoshgoftaar, “A survey on Image Data Augmentation for Deep Learning,” Journal of Big Data 2019.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

장일식

소속기관 서울과학기술대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 9 이용수 791

박구만

소속기관 서울과학기술대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 TOP 0.5% 공학 > 컴퓨터학

논문수 215 이용수 21,877

이 논문과 함께 이용한 논문

가상 데이터를 활용한 번호판 문자 인식 및 차종 인식 시스템 제안

이승주 , 박구만 방송공학회논문지 2020 .09

이종 문자가 혼합된 필기체 이미지 대상 글자 인식기의 구현

김홍숙 , 김정시 한국통신학회논문지 2021 .08

딥러닝을 이용한 번호판 검출과 인식 알고리즘

김정환 , 임준홍 전기전자학회논문지 2019 .06

카메라를 사용한 차량 번호판 인식을 위한 국내 번호판 종류 구별 방안

박성실 , 박세호 한국통신학회 학술대회논문집 2017 .11

영상 내 차량의 위치 및 촬영 각도에 강인한 차량 번호판 인식 시스템

홍성은 , 황성수 , 김성대 전자공학회논문지 2012 .12

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-567-001936869

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (30)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)