バングラデシュのナンバープレート識別と番号認識のためのYOLOベースのカスケードアプローチ
Cascaded YOLO-based approach for Bangladeshi license plate identification and number recognition
バングラデシュのナンバープレート検出・認識(VLPDR)のための、3つのYOLOv12モデルをカスケードアーキテクチャで用いたフレームワークが提案された。最初のモデルは車両を検出し、2番目のモデルはナンバープレート領域を局在化し、3番目のモデルは従来のOCRエンジンに依存せずに文字レベルの認識を行う。認識モデルは、都市コード、車両タイプ、数字を含む104クラスをカバーする。9,357枚の画像からなる2つのデータセットで学習・検証・テストが行われ、追加で150枚の画像が外部検証に使用された。ナンバープレート検出(LPD)モデルは、テスト精度0.986、再現率0.965、mAP@50 0.963を達成した。ナンバープレート番号認識(LPNR)モデルは、テスト精度0.95、再現率0.898、mAP@50 0.949を得た。外部検証では、カスケードフレームワークはナンバープレート検出精度100%、全体番号認識精度95.33%、文字ごとの平均精度98.82%、Levenshtein類似度精度99.57%を達成した。CPUベースのラップトップでは2311.53 ms、GPU搭載コンピュータでは284.31 msの推論時間を示した。
- YOLOv12をカスケード構成で用いたバングラデシュのナンバープレート検出・認識フレームワークが提案され、外部検証でナンバープレート検出精度100%、文字認識精度95.33%、Levenshtein類似度99.57%を達成した。
- GPU搭載コンピュータで284.31 ms、CPU搭載ラップトップで2311.53 msの推論時間を示した。
YOLOv12を用いたナンバープレート検出・認識のカスケードフレームワークは、バングラデシュの交通インフラ向けの応用研究として着実な成果を示しているが、特定の企業や製品化の発表・調達・商用展開に結びつく具体的な投資イベントは記事内に確認できない。学術的な性能検証に留まっており、即時の投資判断材料としては限定的である。とはいえ、YOLO系モデルの物体検出・文字認識への適用拡大というトレンドは、監視・交通・物流分野のAI応用市場の成長を示す参考情報として捉えられる。