KDNet:西工大&同济&中南大学提出一种快速知识蒸馏的车牌检测方法
前言 本文分享论文“Knowledge Distillation with Fast CNN for License Plate Detection”,由西工大&同济&中南大学联合提出一种知识蒸馏的车牌检测方法。
本文转载自极市平台
仅用于学术分享,若侵权请联系删除
欢迎关注公众号CV技术指南,专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。
【CV技术指南】CV全栈指导班、基础入门班、论文指导班 全面上线!!
![](https://pic3.zhimg.com/80/v2-dde5a2bd9db2c002533fff434eebdd9e_1440w.webp)
作者:田春伟,张璇昱,梁旭,李波,孙友刚,张师超
单位:西北工业大学、空天地海一体化大数据应用技术国家工程实验室、同济大学、中南大学
论文链接:https://ieeexplore.ieee.org/abstract/document/10309208
项目链接:https://github.com/hellloxiaotian/KDNet
01摘要
深度卷积神经网络可以提高车牌识别率,提高交通效率。然而,这些方法可能涉及巨大的计算成本和大量的参数。本文提出了一种基于知识蒸馏的快速CNN来车牌检测方法(Knowledge distillation with a fast CNN for license plate detection, KDNet)。KDNet使用知识蒸馏来引导CNN优化参数,并快速获得车牌检测器。为了克服局部信息的负面影响,本文将非局部相似性机制引入到CNN中,以增强全局信息在车牌检测中提取显著信息的作用。实验结果表明,本文提出的KDNet的车牌检测速度具有优越性。KDNet的代码可以在https://github.com/hellloxiaotian/kdnet处被获取。
主要贡献:
- 使用两个相同的YOLOv7的组成知识蒸馏框架来引导CNN,实现快速的车牌检测器。
- 将非局部相似机制嵌入到CNN中,通过增强全局信息的效果来提取显著和互补的结构信息,从而提高车牌检测的识别率。
02 方法
网络结构如图1所示:
![](https://pic1.zhimg.com/80/v2-82d47746bcaa8502886e386ea6c3403c_1440w.webp)
03 实验
本文提出的方法在CCPD和CLPD这两个基准数据集上超过了很多流行的方法,如:SSD300、Fast-RCNN、MD-YOLO和YOLOv7等。更多的车牌检测结果如表1和表2所示:
![](https://pic4.zhimg.com/80/v2-0d055ab92403f960a99c2caf536702af_1440w.webp)
![](https://pic1.zhimg.com/80/v2-d4cd19bc26e18955053bfc377b02dadc_1440w.webp)
为了验证提出方法的检测时间,本文还在CLPD数据集上比较SSD300,YOLO 9000,Fast-RCNN,TE2E,MTLPR和提出的方法在1080Ti显卡(为了与流行工作保证一致设置)上测试车牌检测的性能。如表3所示,本文提出的模型在推理时间和帧数上都体现出了更快的速度。这说明KDNet适用于实时、计算量受限的数字设备上。表3 在1080Ti显卡上的检测时间和帧数
![](https://pic3.zhimg.com/80/v2-0c95e44eefad9ff0c195e53bac7cdaa6_1440w.webp)
为了从视觉验证本文提出方法的优越性,本文制作CCPD、CLPD和AOLP数据集上的3组可视化图像。如图2至图4所示,本文提出的方法能够在复杂的场景下准确、全面地定位出单个或多个车牌的位置,这再次说明提出的KDNet对车牌检测任务有效。
![](https://pic4.zhimg.com/80/v2-04f167fca3291ac6b58583fddbb99d97_1440w.webp)
![](https://pic4.zhimg.com/80/v2-afe933af7aa8333f1dd516feae702b1b_1440w.webp)
![](https://pic4.zhimg.com/80/v2-e3bf14b9037e75dba3fe5f60636386df_1440w.webp)
04 结论
本文提出了一种基于知识蒸馏的快速CNN方法用于车牌检测。它将知识蒸馏引入到CNN中,以优化参数并快速实现车牌检测器。考虑到局部信息的不足,利用非局部相似性机制引导CNN增强全局信息的效果,根据像素关系提取车牌检测的显著结构信息。本文提出的方法对车牌检测速度快,对改善交通状况非常有用。在将来,作者们将使用自监督学习来指导CNN进行车牌检测。
欢迎关注公众号CV技术指南,专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。
【技术文档】《从零搭建pytorch模型教程》122页PDF下载
QQ交流群:470899183。群内有大佬负责解答大家的日常学习、科研、代码问题。
其它文章
LSKA注意力 | 重新思考和设计大卷积核注意力,性能优于ConvNeXt、SWin、RepLKNet以及VAN
CVPR 2023 | TinyMIM:微软亚洲研究院用知识蒸馏改进小型ViT
ICCV2023|涨点神器!目标检测蒸馏学习新方法,浙大、海康威视等提出
ICCV 2023 Oral | 突破性图像融合与分割研究:全时多模态基准与多交互特征学习
HDRUNet | 深圳先进院董超团队提出带降噪与反量化功能的单帧HDR重建算法
南科大提出ORCTrack | 解决DeepSORT等跟踪方法的遮挡问题,即插即用真的很香
1800亿参数,世界顶级开源大模型Falcon官宣!碾压LLaMA 2,性能直逼GPT-4
SAM-Med2D:打破自然图像与医学图像的领域鸿沟,医疗版 SAM 开源了!
GhostSR|针对图像超分的特征冗余,华为诺亚&北大联合提出GhostSR
Meta推出像素级动作追踪模型,简易版在线可玩 | GitHub 1.4K星
CSUNet | 完美缝合Transformer和CNN,性能达到UNet家族的巅峰!