Detección e identificación de características de vehículos utilizando algoritmos de machine learning
En esta tesis de maestría en ciencias de la ingeniera se propone una implementación modular para resolver el problema del reconocimiento automático de patentes vehiculares (ALPR) basado en un esquema detección-detección-reconocimiento, usando íntegramente deep learning. Se pretende emplear esta i...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Tesis NonPeerReviewed |
| Lenguaje: | Español |
| Publicado: |
2020
|
| Materias: | |
| Acceso en línea: | http://ricabib.cab.cnea.gov.ar/986/1/Mariotti.pdf |
| Aporte de: |
| Sumario: | En esta tesis de maestría en ciencias de la ingeniera se propone una implementación
modular para resolver el problema del reconocimiento automático de patentes
vehiculares (ALPR) basado en un esquema detección-detección-reconocimiento, usando
íntegramente deep learning. Se pretende emplear esta implementación para aplicaciones
practicas que involucran control vehicular visual de cualquier tipo.
A lo largo de este trabajo se empleo un enfoque modular, dividiendo el objetivo
principal en etapas progresivas. Se desarrollaron módulos individuales, que implementan
una arquitectura de clases basada en el paradigma orientado a objetos (OOP), lo que
los hace genéricos y fácilmente modificables. A su vez, los módulos u objetos individuales
pueden ser usados con otros propósitos, como ser la lectura de texto impreso o señales
de transito en imágenes de tracfio urbano.
Durante la realización de esta tesis se priorizo el uso de transfer learning en redes
profundas convolucionales (CNN), con el objetivo de adaptarse a una disponibilidad
de recursos limitada y para disminuir considerablemente los tiempos asociados al
entrenamiento.
La etapa primaria de segmentación fue basada en un esquema de detección de código
libre denominado usualmente YOLOv3, el cual fue re-entrenado con imágenes naturales
de vehículos perteneciente a un dataset de acceso publico. La etapa de reconocimiento
de texto se lleva a cabo mediante una red recurrente-convolucional (RCNN) que realiza
el reconocimiento de la sentencia. Finalmente, el nexo entre estas dos redes esta dado
por un esquema detección de uso comercial denominado CRAFT.
En este escrito se presentan todos los detalles de la implementación de dicho esquema,
y por sobre el final del mismo, se evalúa cuantitativamente la performance del sistema
usando diferentes métricas contra OpenALPR, un software de uso extendido en el
área de reconocimiento de patentes vehiculares. |
|---|