این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۱۱، شماره ۴، صفحات ۱۵-۲۶
عنوان فارسی بهبود بازشناسی پلاک خودرو با استفاده از رویکرد مبتنی بر مدل زبانی
چکیده فارسی مقاله از گذشته بازشناسی پلاک خودرو به دلیل طیف وسیعی از کاربردها، از جمله کنترل ترافیک، جمع‌آوری عوارض، جستجوهای پلیس و غیره توجه زیادی از جامعه تحقیقاتی را به خود جلب کرده است. پلاک‌ها معمولاً بسته به کشور یا منطقه صدور آن‌ها با الگوهای خاصی طراحی می‌شوند. تفسیر این الگوها برای بهبود دقت بازشناسی حروف به‌ویژه در محیط‌های پیچیده و بدون محدودیت بسیار مهم است. بااین‌وجود روش­های موجود برای بازشناسی پلاک خودرو معمولاً به شکل دستی این قواعد و الگوها را در نظر می­گیرند. حال‌آنکه شناخت و درک خودکار «زبان» پلاک‌ها که شامل ترکیبات منحصربه‌فردی از حروف و ارقام می‌شود، می‌تواند عملکرد این سامانه‌ها را به طور قابل‌توجهی بهبود دهد و به آن‌ها اجازه می‌دهد تا به شکل پویا برای مجموعه حروف خاص مورداستفاده در مناطق مختلف طراحی شوند. در این مقاله باتکیه‌ بر موفقیت‌های اخیر رویکردهای مبتنی بر ترنسفورمر در پردازش زبان طبیعی و بینایی رایانه، یک مدل جدید برای بازشناسی پلاک خودرو پیشنهاد شده است که از یک مدل بینایی برای بازشناسی تصاویر پلاک خودرو و یک مدل زبانی برای یادگیری قواعد موجود در پلاک ­ها و تصحیح چند مرحله ­ای نتایج بازشناسی بهره می­برد. این فرآیند باعث بهبود دقت بازشناسی می­شود و سازگاری روش را در مواجهه با انواع پلاک ­ها با الگوهای مختلف ارتقا می­ دهد. ارزیابی­ های انجام شده بر روی مجموعه‌داده‌های IR-LPR، UFPR-ALPR و AOLP برتری رویکرد پیشنهادی را در مقایسه با تحقیقات انجام شده نشان می­ دهد. این روش می ­تواند در توسعه سامانه­ های بازشناسی پلاک دقیق و سازگار مفید باشد.
کلیدواژه‌های فارسی مقاله بازشناسی خودکار پلاک خودرو،سامانه‌های حمل‌ونقل هوشمند،یادگیری عمیق،مدل زبانی،ترنسفورمر،
عنوان انگلیسی Enhancing License Plate Recognition Using a Language Model-Based Approach
چکیده انگلیسی مقاله Over the years, license plate recognition (LPR) has garnered significant attention from the research community due to its wide range of applications, including traffic control, toll collection, police investigations, and more. License plates are typically designed with specific patterns depending on the country or region of issuance. Interpreting these patterns is crucial for improving character recognition accuracy, especially in complex and unconstrained environments. However, existing LPR methods often manually incorporate these rules and patterns. In contrast, the automatic understanding of the "language" of license plates—comprising unique combinations of letters and digits—can significantly enhance system performance, allowing for the dynamic adaptation of recognition models to the specific character sets used in different regions.In this paper, leveraging recent advancements in transformer-based approaches in natural language processing (NLP) and computer vision, we propose a novel model for license plate recognition. The proposed system integrates a vision model for plate image recognition with a language model designed to learn plate-specific rules and perform multi-stage recognition refinement. This process enhances recognition accuracy and improves the model's adaptability to various plate formats. Evaluations conducted on the IR-LPR, UFPR-ALPR, and AOLP datasets demonstrate the superiority of the proposed approach compared to existing methods. 
کلیدواژه‌های انگلیسی مقاله بازشناسی خودکار پلاک خودرو,سامانه‌های حمل‌ونقل هوشمند,یادگیری عمیق,مدل زبانی,ترنسفورمر
نویسندگان مقاله الهام شعبانی نیا |
بخش ریاضی کاربردی، دانشکده علوم و فنون نوین، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران،

فاطمه اسدی زیدآبادی |
پژوهشگر ارشد در آزمایشگاه پردازش هوشمند داده، دانشگاه شهید باهنر کرمان

حسین نظام آبادی پور |
بخش مهندسی برق، دانشگاه شهید باهنر کرمان، کرمان، ایران،

نشانی اینترنتی https://jmvip.sinaweb.net/article_219566_b633355a3ffd1a0855e47af84d961fcc.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات