Статья
Полный текст:
В данной статье представляется новая выборка размеченных номеров наземных транспортных средств (ТС) нескольких стран. База номеров содержит цветные и черно-белые изображения ТС и отдельные изображения номеров. Также имеются файлы с разметкой для каждой страны (BY.mat, KZ.mat, UA.mat), в которых содержится информация о номерах. Всего раз- меченных номеров ТС 8995 (65198 символов). В целях удобства просмотра, получения основной информации по разметке, а также возможности её редактирования было разработано программное обеспечение в среде Matlab (R2013a 8.1.0.604).
На размеченной выборке были проведены тесты обобщающих способностей двух методов машинного обучения –нейронной сети и метода многомерной интерполяции и аппроксимации на основе теории случайных функций.
На размеченной выборке были проведены тесты обобщающих способностей двух методов машинного обучения –нейронной сети и метода многомерной интерполяции и аппроксимации на основе теории случайных функций.
Алгоритм обратного распространения ошибки. – URL: . aiportal. ru/articles/neural-networks/back- propagation. html
Бахвалов, Ю. Н. Метод машинного обучения на основе алгоритма многомерной интерполяции и аппроксимации случайных функций / Ю. Н. Бахвалов, Л. Л. Малыгин, П. С. Черкасс // Вестник Череповецкого государственного университета. – 2012. – № 39-2. – Т. 2. – С. 7–10.
Выборка, разметка, ПО. – URL: . sk/d/7_Pi-wZhdrQik
Хайкин, С. Нейронные сети: полный курс / Саймон Хайкин. – 2006.
Ширабакина, Т. А. Метод распознавания образов на основе теории случайных функций / Т. А. Ширабакина, Ю. Н. Бахвалов, А. Н. Зуев // Известия высших учебных заведений. Приборостроение. – 2005. – Т. 48. – №2. – С. 5– 8.
Abolghasemi, V. Local Enhancement of Car Image for License Plate Detection / Vahid Abolghasemi, Alireza Ahmadyfard // Shahrood University of Technology, Shahrood, Iran. 15th European Signal Processing Conference (EUSIPCO 2007), Poznan, Poland, September 3–7. – 2007.
Anagnostopoulos, C.-N. E. License plate recognition from still images and video sequences: a survey, IEEE Trans / [C.-N. E. Anagnostopoulos et otc.]. Intelligent Transportation Systems. – 2008. – Vol. 9. – P. 377–391.
Car dataset taken by Brad Philip and Paul Updike. –URL:
Car dataset taken by Markus Weber. – URL:
Kim, J. Character segmentation method for license plate with topological transform / Jaedo Kim, Youngjoon Han, Hernsoo Hahn // World Academy of Science, Engineering and technology, 2009.
Li, B. A Vehicle License Plate Recognition System Based on Analysis of Maximally Stable Extremal Regions / [Bo Li et otc.]. – 2012. – Р. 399–404.
MIT. – URL: . mit. edu/projects/cbcl/ soft- ware- datasets/CarData1Readme. html
Recognitor. – URL: . ru/company/ recognitor/blog/243919/
Solanki, R. The Automatic License Plate Recognition(ALPR) / Rinku Solanki, Rajeevkumar Rai, Teena Raikwar // IJRET: International Journal of Research in Engineering and Technology.
1URL: . ucsd. edu/belongie-grp/research/ carRec/ car_data. html
URL: english/ results.shtml
Zheng, D. An efficient method of license plate location / D. Zheng, Y. Zhao and J. Wang // Pattern Recognition Letters. – 2005. – Vol. 26. – P. 2431–2438.
Бахвалов, Ю. Н. Метод машинного обучения на основе алгоритма многомерной интерполяции и аппроксимации случайных функций / Ю. Н. Бахвалов, Л. Л. Малыгин, П. С. Черкасс // Вестник Череповецкого государственного университета. – 2012. – № 39-2. – Т. 2. – С. 7–10.
Выборка, разметка, ПО. – URL: . sk/d/7_Pi-wZhdrQik
Хайкин, С. Нейронные сети: полный курс / Саймон Хайкин. – 2006.
Ширабакина, Т. А. Метод распознавания образов на основе теории случайных функций / Т. А. Ширабакина, Ю. Н. Бахвалов, А. Н. Зуев // Известия высших учебных заведений. Приборостроение. – 2005. – Т. 48. – №2. – С. 5– 8.
Abolghasemi, V. Local Enhancement of Car Image for License Plate Detection / Vahid Abolghasemi, Alireza Ahmadyfard // Shahrood University of Technology, Shahrood, Iran. 15th European Signal Processing Conference (EUSIPCO 2007), Poznan, Poland, September 3–7. – 2007.
Anagnostopoulos, C.-N. E. License plate recognition from still images and video sequences: a survey, IEEE Trans / [C.-N. E. Anagnostopoulos et otc.]. Intelligent Transportation Systems. – 2008. – Vol. 9. – P. 377–391.
Car dataset taken by Brad Philip and Paul Updike. –URL:
Car dataset taken by Markus Weber. – URL:
Kim, J. Character segmentation method for license plate with topological transform / Jaedo Kim, Youngjoon Han, Hernsoo Hahn // World Academy of Science, Engineering and technology, 2009.
Li, B. A Vehicle License Plate Recognition System Based on Analysis of Maximally Stable Extremal Regions / [Bo Li et otc.]. – 2012. – Р. 399–404.
MIT. – URL: . mit. edu/projects/cbcl/ soft- ware- datasets/CarData1Readme. html
Recognitor. – URL: . ru/company/ recognitor/blog/243919/
Solanki, R. The Automatic License Plate Recognition(ALPR) / Rinku Solanki, Rajeevkumar Rai, Teena Raikwar // IJRET: International Journal of Research in Engineering and Technology.
1URL: . ucsd. edu/belongie-grp/research/ carRec/ car_data. html
URL: english/ results.shtml
Zheng, D. An efficient method of license plate location / D. Zheng, Y. Zhao and J. Wang // Pattern Recognition Letters. – 2005. – Vol. 26. – P. 2431–2438.
Ключевые слова:
Выборка данных, распознавание автомобильных номеров, компьютерное зрение, машинное обучение, нейронные сети, интерполяция и аппроксимация, случайные функции.
Контент доступен под лицензией Creative Commons Attribution 4.0 License.