ホーム » 物体認識

物体認識」カテゴリーアーカイブ

TensorFlow による自動車「ナンバープレート」認識

TensorFlow による、SVHN & ナンバープレート認識

CNN & Street View House Numbers (SVHN)

自動車のナンバープレートの認識を試してみますが、先に、やはり multi-digit の認識問題である SVHN を片付けておきます。TensorFlow のチュートリアル : 畳み込み ニューラルネットワーク では CIFAR-10 を扱っていましたが、最後に次のような課題がありました :

課題 : Street View House Numbers (SVHN) データセットをダウンロードしてください。CIFAR-10 チュートリアルを fork して入力データとして SVHN と交換しましょう。予測性能を改善するためにネットワークアーキテクチャを適合させてください。

 

SVHN Format 2 の Cropped Digits データセットを使用すれば CIFAR-10 用の実装をそのまま流用できますが、ここでの目的は単なる動作確認ですので単純なモデルを使いました。使用したモデルを簡単に書けば以下のような感じです(右図は tensorboard graph) :

svhn_model2

CONV
POOL
CONV
CONV
POOL
CONV
(DROPOUT)
FC
FC
 

6 epochs 程度で validation error 4 % を切りますが、3 % を切るには 61 epochs 必要でした。
以下で左図が xentropy、右図が validation error のグラフです。

svhn_xentropy_loss2

svhn_validation_error2

TensorFlow によるナンバープレート認識

そして TensorFlow による自動車のナンバープレートの認識を試してみました。
目標は、ナンバープレートが写りこんだ自動車の静止画像からナンバープレートの位置を特定し、その(複数の英数字からなる)ナンバーを認識することです。

以下のペーパーを参考にしました :

Multi-digit Number Recognition from Street View Imagery using Deep Convolutional Neural Networks
Ian J. Goodfellow, Yaroslav Bulatov, Julian Ibarz, Sacha Arnoud, Vinay Shet
Google Inc., Mountain View, CA
 

モデルはこんな感じです :

CONV
POOL
CONV
POOL
CONV
POOL
FC
FC
 

【評価例】
現在の実装はまだ改良の余地があるのですが、以下は比較的上手くいった評価例です。
左の自動車静止画像に対して、ナンバープレートの位置を特定してそのナンバーを認識して表示します。掲載している画像は歪めてありますが、元の画像は十分に大きいカラー画像です。右画像はナンバープレートの部分だけを trim して一部ぼかしを入れたものです。

(1)

1-a.
car_nplate0

1-b.
car_nplate0b

 

(2)

2-a.
car_npate1

2-b.
car_npate1b

 

(1) ではナンバープレートの位置は正しく認識しています。
ナンバーも 6 を 8、L を C に誤認識していますが、概ね合っています。

(2) の場合は位置はほぼ認識していて英数字も半分ほど合っていますが、ナンバーの桁数をそもそも誤認識していているようです。

 

以上

AI導入支援 #2 ウェビナー

スモールスタートを可能としたAI導入支援   Vol.2
[無料 WEB セミナー] [詳細]
「画像認識 AI PoC スターターパック」の紹介
既に AI 技術を実ビジネスで活用し、成果を上げている日本企業も多く存在しており、競争優位なビジネスを展開しております。
しかしながら AI を導入したくとも PoC (概念実証) だけでも高額な費用がかかり取組めていない企業も少なくないようです。A I導入時には欠かせない PoC を手軽にしかも短期間で認知度を確認可能とするサービの紹介と共に、AI 技術の特性と具体的な導入プロセスに加え運用時のポイントについても解説いたします。
日時:2021年10月13日(水)
会場:WEBセミナー
共催:クラスキャット、日本FLOW(株)
後援:働き方改革推進コンソーシアム
参加費: 無料 (事前登録制)
人工知能開発支援
◆ クラスキャットは 人工知能研究開発支援 サービスを提供しています :
  • テクニカルコンサルティングサービス
  • 実証実験 (プロトタイプ構築)
  • アプリケーションへの実装
  • 人工知能研修サービス
◆ お問合せ先 ◆
(株)クラスキャット
セールス・インフォメーション
E-Mail:sales-info@classcat.com