메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
최준명 (부산대학교) 강동중 (부산대학교)
저널정보
제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제23권 제8호
발행연도
2017.8
수록면
635 - 643 (9page)
DOI
10.5302/J.ICROS.2017.17.0087

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Convolutional neural networks and generative adversarial neural networks have recently shown outstanding performance in single-image super-resolution. In this paper, we propose a deep super-resolution method based on generative adversarial networks to reconstruct a high-resolution license plate image from a low-resolution license plate image to improve the accuracy of lowresolution license plate recognition. To achieve this, we create a super-resolution model using deep residual blocks. In addition, our model uses the benefits of adversarial loss, pixel-wise loss, and perceptual loss. Adversarial loss plays a role in enabling the discriminator network to distinguish between the high-resolution image and the fake high-resolution image generated by the generator network well, while it facilitates the generator network to generate a realistic high-resolution image with the goal of fooling the discriminator network. Pixel-wise loss and perceptual loss help the generator network to reconstruct a better high-resolution image. We compare the proposed method and other state-of-the-art methods with the performance of the license plate image recognizer. The experimental results demonstrate that our proposed method performs well by showing that the accuracy of the lowresolutionimage is improved from 38.45 to 73.65% by the proposed method.
#super resolution #generative adversarial network #deep learning #image recognition #license plate

목차

Abstract
I. 서론
II. 관련 연구
III. 제안하는 초해상도 생성적 적대 신경망 기법
IV. 실험
V. 실험 결과
VI. 결론
REFERENCES

참고문헌 (33)

참고문헌 신청
P. Comelli, P. Ferragina, M. Notturno Granieri, and F. Stabile, “Optical recognition of motor vehicle license plates,” IEEE Transactions on Vehicular Technology, vol. 44, no. 4, pp. 790-799, 1995. K. He, X. Zhang, S. Ren, and J. Sun, “Deep residual learning for image recognition,” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 770-778, 2016. C. Ledig, L. Theis, F. Huszar, J. Caballero, A. Cunningham, A. Acosta, A. Aitken, A. Tejani, J. Totz, and Z. Wang, “Photo-realistic single image super-resolution using a generative adversarial network,” arXiv preprint arXiv:1609. 04802, 2016. M. Mathieu, C. Couprie, and Y. LeCun, “Deep multi-scale video prediction beyond mean square error,” arXiv preprint arXiv:1511.05440, 2015. C. Yang, C. Ma, and M. Yang, “Single-image superresolution: A benchmark,” European Conference on Computer Vision, pp. 372-386. Springer International Publishing, 2014.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Super -Resolution을 위한 Deconvolution 적용 고속 컨볼루션 뉴럴 네트워크
이동현 ,  이호성 ,  이규중 외 1명 멀티미디어학회논문지 2017 .11
딥러닝 기반의 생성 모형, 적대적 생성 신경망 소개
진동섭 정보과학회지 2018 .02
생성적 적대 신경망을 이용한 자동차 번호판 영상 개선
최준명 ,  강동중 제어로봇시스템학회 국내학술대회 논문집 2017 .05
심층 신경망 기반 효율적인 단일 영상 초해상도 복원 기법
정우진 ,  양현석 ,  한복규 외 5명 전자공학회논문지 2018 .06
딥 컨볼루션 신경망을 이용한 자동차 번호판 영역 검출 시스템
정윤주 ,  이스라필 안사리 ,  심재창 외 1명 멀티미디어학회논문지 2017 .08

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-003-001173577