LPLCv2：細粒度ナンバープレート可読性分類のための拡張データセット

Abstract

最新の自動ナンバープレート認識（ALPR）システムは、制御され、定義が明確なシナリオにおいて非常に優れた性能を達成しています。しかし、大規模な現実環境での利用は、低品質な撮像デバイス、圧縮アーティファクト、カメラ設置の不適切さのために依然として困難です。判読不能なナンバープレート（LP）の同定は、専用のベンチマークによって最近になって可能になりましたが、その影響は小規模であることや注釈エラーによって限定的でした。本研究では、オリジナルのベンチマークを2つの追加撮影日によって3倍以上の規模に拡張し、注釈を改訂するとともに新しいラベルを導入します。LPレベルの注釈には、バウンディングボックス、テキスト、判読性レベルが含まれます。一方、車両レベルの注釈は、メーカー、モデル、タイプ、色で構成されます。画像レベルの注釈には、カメラID、撮影条件（例：雨や故障したカメラ）、取得時刻、日IDが含まれます。さらに、テスト時にありがちなミスに対処する、指数移動平均（Exponential Moving Average）に基づく損失関数と改良された学習率スケジューラを特徴とする新しい学習手順を提示します。これらの改善により、ベースラインモデルはテストセットで89.5%のF1スコアを達成し、先行する最先端の性能を大幅に上回ります。加えて、学習分割と評価分割の間でのカメラ汚染（camera contamination）を明示的に扱う新しいプロトコルも導入します。結果は、その影響が小さいことを示しています。データセットとコードは https://github.com/lmlwojcik/LPLCv2-Dataset で公開されています。