License Plate Recognition (ALPR)
System do automatycznego wykrywania i odczytywania tablic rejestracyjnych ze zdjęć - własnoręcznie dotrenowany model detekcji połączony z OCR, zbudowany według rygorystycznych praktyk inżynierii oprogramowania.
Historia tego projektu
Odczyt tablic rejestracyjnych ze zwykłych zdjęć jest trudniejszy niż się wydaje - tablice pojawiają się pod różnym kątem, w różnej odległości i oświetleniu, a gotowe systemy OCR notorycznie mylą podobne znaki (0/O, 1/I, 8/B, 2/Z).
Dotrenowałam YOLOv8n (start z wag wytrenowanych na COCO) na zbiorze Poland Vehicle License Plate Dataset (Kaggle, autor: piotrstefaskiue - kaggle.com/datasets/piotrstefaskiue/poland-vehicle-license-plate-dataset) przez 30 epok w rozdzielczości 640px, aby zlokalizować tablicę. Model wyeksportowałam do ONNX dla szybszej inferencji na CPU. Wycięty fragment ze zdjęcia tablicy odczytuje EasyOCR, a warstwa normalizacji poprawia znaki najczęściej mylone przez OCR (0/O, 1/I, 8/B, 2/Z) przed porównaniem wyników. Dedykowany moduł metryk liczy IoU oraz dokładność OCR na 100-zdjęciowym zbiorze testowym.
Model osiągnął ok. 88% dokładności na zbiorze testowym, mierzonej przez autorski moduł metryk łączący IoU detekcji z dokładnością OCR na 100 zdjęciach testowych.
Jak to zostało zaprojektowane
Dotrenowanie YOLOv8n do wykrywania tablic
Zaczęłam od wag wytrenowanych na COCO i dotrenowałam YOLOv8n na zbiorze Poland Vehicle License Plate Dataset (Kaggle, autor: piotrstefaskiue) przez 30 epok w rozdzielczości 640px, aby lokalizować tablicę bezpośrednio na zdjęciu.
- YOLOv8n dotrenowany na bazie wag COCO
- 30 epok w rozdzielczości 640×640
- Trenowany na zbiorze Poland Vehicle License Plate Dataset (Kaggle)
Eksport do ONNX dla szybkiej inferencji na CPU
Wytrenowany model detekcji wyeksportowałam do formatu ONNX, dzięki czemu działa sprawnie bez GPU, zachowując szybką inferencję na standardowym sprzęcie.
- Model wyeksportowany do ONNX
- Zoptymalizowany pod inferencję tylko na CPU
- Brak zależności od GPU w czasie działania
Odczyt tekstu za pomocą EasyOCR
Wycięty fragment zdjęcia z wykrytą tablicą przekazywałam do EasyOCR w celu odczytania znaków, oddzielając etap odczytu tekstu od detekcji.
- EasyOCR odczytuje wycięty fragment z tablicą
- Oddzielony od pipeline'u detekcji
- Działa dla różnych czcionek i układów tablic
Warstwa normalizacji znaków
Dodałam etap normalizacji, który poprawia znaki najczęściej mylone przez OCR przed porównaniem wyników, adresując pomyłki 0/O, 1/I, 8/B i 2/Z, które nękają surowe wyniki OCR.
- Reguły korygujące najczęściej mylone znaki
- Stosowane przed porównaniem wyników
- Dotyczy pomyłek 0/O, 1/I, 8/B, 2/Z
Moduł metryk do ewaluacji
Zbudowałam dedykowany moduł metryk liczący IoU dla dokładności detekcji oraz dokładność OCR względem danych referencyjnych, uruchamiany na 100-zdjęciowym zbiorze testowym, aby zwalidować cały pipeline.
- Liczy IoU dla dokładności lokalizacji tablicy
- Liczy dokładność OCR na poziomie znaków/ciągów
- Ewaluacja na 100-zdjęciowym zbiorze testowym