
- машинне навчання, глибоке навчання, згорткові нейронні мережі, автоматичне розпізнавання номерів, обробка зображень, бінаризація, сегментація.
Авторське право (c) 2020 Олексій Денисенко

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Анотація
У статті розглядається технологія створення систем розпізнавання символів (за допомогою згорткових нейронних мереж) на зображенні. В наші дні існує багато підходів до вирішення цієї проблеми, і більшість з них неефективні для зображень, символи яких розташовані на складному тлі та вразливі до перешкод шуму, спорідненості та проекції. Запропонована методика складається з наступних етапів: попередня обробка зображення, сегментація тексту та розпізнавання за допомогою згорткових нейронних мереж. Під час досліджень було проведено ряд експериментів, а саме: експеримент з вибору найбільш підходящого методу бінаризації цифрових зображень, експеримент з вибору найбільш ефективної конвелюальної нейромережевої топології форми розпізнавання тексту. В результаті проведених експериментів методика, що застосовується для розпізнавання номерів автомобілів, демонструє високу надійність та точність, в тому числі в умовах низької освітленості, тому розроблений метод розпізнавання може бути рекомендований для комерційного використання. Додаткового було запропоновано кілька підходів щодо вдосконалення цієї методики.
Завантаження
Посилання
- Yang, Y. & Yan, Н. (2010). An adaptive logical method for binarization of degraded document images. Pattern Recognition, (33), 787-807.
- Gonzalez, R. & Woods, R. (2018). Digital Image Processing (4th edition). London: Pearson Education.
- Sauvola, J. & Pietikainen, M. (2000). Adaptive document image binarization. Pattern Recognition, 2(33), 225-236.
- Kim, K.K., Kim, K, Kim, J. & Kim, H.J. (2000). Learning-based approach for license plate recognition. Proceedings of the IEEE Signal Processing Society Workshop, (2), 614-623.
- Du, S., Ibrahim, M., Shehata, M. & Badawy, W. (2013). Automatic license plate recognition (alpr): A state-of-the-art review. IEEE Trans. Circuits and Syst. for Video Technol, 2(23), 311-325.
- Kresch, R. & Malah, D. (1998) Skeleton-based morphological coding of binary images. IEEE Transactions on Image Processing, 7(10), 1387-1394.
- Recognition of license plates: “Auto-Inspector” - Test Leader. Retrieved from https://www.adron-perm.ru/test_leader/.
- Sermanet, P., Eigen, D., Zhang, X., Mathieu, M., Fergus, R., & LeCun, Y. (2013). Overfeat: Integrated recognition, localization and detection using convolutional networks. arXiv preprint arXiv:1312.6229.
- Badrinarayanan, V., Kendall, A., & Cipolla, R. (2017). Segnet: A deep convolutional encoder-decoder architecture for image segmentation. IEEE transactions on pattern analysis and machine intelligence, 39(12), 2481-2495. DOI: https://doi.org/10.1109/TPAMI.2016.2644615.
- Денисенко, А.А. (2020). Исследование и разработка системы распознавания текста на изображении. Международный журнал прикладных и фундаментальных исследований, (5), 87-91. DOI: https://doi.org/10.17513/mjpfi.13075.