이 연구는 차량 번호판 탐지를 위한 새로운 접근법을 제안한다. 기존의 차량 번호판 탐지 시스템은 기하학적 경계 상자를 사용하거나 사전 학습된 모델에 의존하여 성능이 제한적이었다. 또한 중앙 서버로 연속 비디오 데이터 스트림을 업로드하면 네트워크 및 복잡성 문제가 발생했다.
이를 해결하기 위해 연합 학습(FL)과 U-Net 기반 세그멘테이션을 결합한 PlateSegFL 모델을 제안했다. U-Net은 다중 클래스 이미지 세그멘테이션에 적합하며, 연합 학습은 데이터 프라이버시를 보호하면서도 적은 데이터로 효과적인 모델 학습이 가능하다.
데이터 수집 및 전처리, U-Net 모델 학습, 연합 학습 적용 등 전체 워크플로우를 설명하였다. 실험 결과, 제안 모델은 기존 U-Net 및 YOLO 모델보다 우수한 성능을 보였으며, 약 95%의 F1 점수를 달성했다. 이를 통해 실시간 차량 번호판 탐지를 위한 안전하고 신뢰할 수 있는 시스템을 구축할 수 있다.
إلى لغة أخرى
من محتوى المصدر
arxiv.org
الرؤى الأساسية المستخلصة من
by Md. Shahriar... في arxiv.org 04-09-2024
https://arxiv.org/pdf/2404.05049.pdfاستفسارات أعمق