Resumen

La detección de placas de matrícula es un problema desafiante debido a las grandes variaciones visuales en entornos complejos, como el desenfoque por movimiento, la oclusión y los cambios de iluminación. Se necesita un modelo discriminativo avanzado para segmentar con precisión las placas de matrícula de los fondos. Sin embargo, los modelos efectivos para el problema tienden a ser computacionalmente prohibitivos. Para abordar estos dos desafíos conflictivos, proponemos detectar placas de matrícula basándonos en dos CNN, una CNN superficial y una CNN profunda. La CNN superficial se utiliza para eliminar rápidamente la mayoría de las regiones de fondo y así reducir el costo computacional, mientras que la CNN profunda se utiliza para detectar las placas de matrícula en las regiones restantes. Estas dos CNN se entrenan de principio a fin y son complementarias entre sí para garantizar la precisión de detección con bajo costo computacional. Los resultados experimentales muestran que el método propuesto es prometedor para la detección de placas de matr

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Placa de matrícula; Detección; CNNs; Regiones de fondo; Costo de computación; Precisión
• Keywords:License plate; Detection; CNNs; Background regions; Computation cost; Precision