$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

CNN 기반 한국 번호판 인식
Korean License Plate Recognition Using CNN 원문보기

전기전자학회논문지 = Journal of IKEEE, v.23 no.4, 2019년, pp.1337 - 1342  

(Dept. of E. E. Engineering, Hongik University) ,  연승호 (Dept. of E. E. Engineering, Hongik University) ,  김재민 (Dept. of E. E. Engineering, Hongik University)

초록
AI-Helper 아이콘AI-Helper

자동 한국 번호판 인식 (AKLPR)은 많은 분야에서 사용된다. 이러한 응용 분야에서 ALPR은 높은 인식률과 빠른 처리 속도가 중요하다. 최근 딥러닝의 발전으로 객체 감지 및 인식의 정확도와 속도가 향상 되고 있으며, 그 결과 딥러닝이 ALPR에 적용되고 있다. 특히 합성곱신경망(Convolutional Neural Network) 기반 객체 검출기가 ALPR에 적용되었다. 이러한 ALPR은 LP 영역을 검출하는 단계와 LP 영역의 문자를 검출 및 인식하는 단계로 구분되며, 각 단계는 별도의 CNN으로 구현된다. 본 논문에서는 단일 단계 CNN으로 ALPR을 구현하는 아키텍처를 제안한다. 제안하는 방법은 높은 인식률을 유지하면서 빠른 속도로 번호판 문자를 인식한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The Automatic Korean license plate recognition (AKLPR) is used in many fields. For many applications, high recognition rate and fast processing speed of ALPR are important. Recent advances in deep learning have improved the accuracy and speed of object detection and recognition, and CNN (Convolution...

주제어

#Korean license plate recognition   #Deep Learning   #CNNs   #Detection   #Recognition  

표/그림 (8)

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • ALPR를 두 단계로 나누어 CNN을 적용하는 대신, 하나의 공통 특징 추출부와 두 개의 분류기를 사용하여 동시에 번호판 추출과 문자 인식을 수행한다면 연산 시간을 대폭 줄일 수 있다. 본 논문은 하나의 CNN을 이용하여 번호판 검출과 문자인식을 동시에 수행하면서도 높은 인식률을 가지는 CNN 구조를 제안한다. 본 논문에서 하나의 CNN으로 높은 인식률을 달성하기 위하여 YOLO v3의CNN 구조를 번호판 인식에 맞게 그 구조를 최적화 시켰다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
ALPR이란? 자동 번호판 인식(ALPR)은 주차 제어, 주차 위치 확인, 도로 교통 관리 등과 같은 많은 분야에서 사용된다. 이러한 다양한 어플리케이션에서 ALPR은 높은 인식률과 빠른 처리 속도가 중요하다.
R-CNN의 단점을 보완한 방법은? 우선 R-CNN이 발표되었으나늦은 처리 속도가 단점이다. 이러한 연산 처리 속도문제를 해결하기 위한 방법으로 faster R-CNN, YOLO v1, SSD, YOLO v2, YOLO v3 등이 발표되었다. 또한 인식률의 향상을 위하여 다양한 CNN 구조가 발표되고 있으며, 최근 들어 ResNet, RetinaNet등이 발표되었다([1]-[8]).
CNN기반 객체 검출 및 인식의 구성은? CNN기반 객체 검출 및 인식은 CNN을 이용한 특징을 추출하는 추출부(convolution layer)와 추출된 특징을 이용한 분류기(classifier)로 구성되며,대부분의 연산 시간은 특징 추출부에서 소모되고있다. ALPR를 두 단계로 나누어 CNN을 적용하는대신, 하나의 공통 특징 추출부와 두 개의 분류기를 사용하여 동시에 번호판 추출과 문자 인식을 수행한다면 연산 시간을 대폭 줄일 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (9)

  1. S. Ren, K. He, R. Girshick, and J. Sun, "Faster R-CNN: Towards Real-time Object Detection with Region Proposal Networks," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.39, No.6, pp.1137-1149, 2017. DOI: 10.1109/TPAMI.2016.2577031 

    상세보기 crossref

  2. J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, "You only Look Once: Unified, Real-time Object Detection," Proceeding of IEEE Conference on Computer Vision and Pattern Recognition, pp.779-788, 2016. DOI: 10.1109/CVPR.2016.91 

  3. W. Liu, D. Anguelov, D. Erhan, C. Szegedy, S. Reed, C.Y. Fu, et al., "Ssd: Single Shot Multibox Detector," Proceeding of European Conference on Computer Vision, pp.21-37, 2016. DOI: 10.1007/978-3-319-46448-0_2 

  4. J. Redmon and A. Farhadi, "Yolo9000: Better, Faster, Stronger," Proceeding of IEEE Conference on Computer Vision and Pattern Recognition, pp.6517-6525, 2017. DOI: 10.1109/CVPR.2017.690 

  5. K. He, X. Zhang, S. Ren, and J. Sun, "Deep Residual Learning for Image Recognition," Proceeding of IEEE Conference on Computer Vision and Pattern Recognition, pp.770-778, 2016. DOI: 10.1109/CVPR.2016.90 

  6. T. Lin, P. Goyal, R. Girshick, K. He, and P. Dollar, "Focal Loss for Dense Object Detection," Proceeding of IEEE Conference on Computer Vision and Pattern Recognition, pp.2999-3007, 2017. 

  7. Q. H. Tang, S. Yeon, and J. Kim, "Deep Learning based Object Detector for Vehicle Recognition on Images Acquired with Fisheye Lens Camera," Journal of Korea Multimedia Society, Vol.22, No.2, pp.128-135, 2018. DOI: 10.9717/kmms.2019.22.2.128 

    원문보기 상세보기 crossref

  8. L. Rayson,, "YOLOv3(2018)", https://pjreddie.com/publications/ 

  9. L. Rayson, E. Severo, L. A. Oliveira, G. R. Goncalves, W. R. Schwartz, and D. Menotti, "A Robust Real-Time Automatic License Plate Recognition Based on the YOLO Detector," 2018 International Joint Conference on Neural Networks (IJCNN), pp.1-10, 2018. DOI: 10.1109/IJCNN.2018.8489629 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로