IPIU2019 논문리뷰
- 15. 인조 번호판 데이터 생성 시스템 구현
조성만, 박구만
서울과학기술대학교 일반대학원
미디어 IT 공학과
- 16. 개요
• 번호판 인식 분야는 개인정보 침해 문제로 인해 데이터 수집이
어려움
• 따라서 인위적으로 번호판 데이터를 생성함
• Train : Yolo v3
• Test: 200 set 정확도 93%
- 18. 데이터셋의 필요성
• 양질의 데이터가 없으면
오버피팅이 쉽게 발생
• 실제 데이터를 일반화하
기 어려움
• 언어(국가)가 다른 경우
활용이 제한됨
- 19. 인조 번호판 데이터 생성
• 정부 제공 번호판 정규 탬플릿 데이터 활용
• 싱글 채널 8비트 Grayscale
• 스케일 비율 0.6~1.4
• 다양한 크기의 번호판 생성
• ±30deg
• 다양한 각도의 번호판 생성
- 20. 번호판 내부(배경) & 문자 영역 픽셀값
0~255 범위에서 임의로
픽셀값
추출하여 선정
문자영역
+ 글자영역
= 235
추출하여 선정
가우시안 잡음
추가
- 21. 인조 번호판
영역 주변(외부)
배경 추가
• 실제 검출 시 번호판만 맞춰서
잘리지는 않음
• 실제와 차이->네트워크 성능
저하
• 임의의 배경 추가 알고리즘
• 0~255 사이 임의의 값
- 22. 문자, 숫자 데이터 균형 작업
• 숫자 : 10개(0~9), 문자 : 33개(가,거,…,호)
• Ex) 12가 3456 : 숫자 > 문자의 2~7배
• 실제 존재하지 않는 문자 추가(ex) 뵈, 촤)
• => 숫자인식 정확도 유지
문자인식 += 2%
- 23. 번호판 검출기
• 번호판 사진 : 3,000장
• 인식 : YOLO v3
• Input : 416x416 -> 832x832 (4x)
• 번호판의 크기가 작음 -> 내부 문자크기도 작음
• 따라서 사이즈를 크게 변경함
- 25. 현장 Q&A
• Q. 0.6~1.4 스케일이나 +-30 각도는 어떻게 정하셨나요?
• A. 임의로, 그 정도의 케이스가 현장에서 많이 잡힘
