Rozpoznawanie tablic rejestracyjnych

Projekt obejmuje pełną drogę od zdjęcia pojazdu do mierzalnego wyniku rozpoznawania tablicy. Przetwarza zbiór z adnotacjami, wykrywa tablice, odczytuje ich treść i porównuje predykcje z danymi referencyjnymi zamiast kończyć na demonstracji wizualnej.

Zaprojektowałem i zaimplementowałem modułowy pipeline w Pythonie, połączyłem adnotacje obrazów z detekcją i OCR oraz przygotowałem etapy oceny i raportowania.

Lokalizacja tablicy i rozpoznawanie tekstu mają różne źródła błędów. Proces musiał więc zachowywać wyniki pośrednie, dopasowywać predykcje do ręcznych adnotacji i pozostać łatwy do rozbudowy przy zmianie modeli lub zasad oceny.

YOLOv8 lokalizuje tablice, PaddleOCR odczytuje wycięte obszary, a oddzielne moduły odpowiadają za wczytywanie zbioru, analizę adnotacji, przetwarzanie, ewaluację i raportowanie. Wyniki trafiają do plików CSV oraz podsumowań, dzięki czemu pojedyncze błędy i statystyki zbiorcze można analizować niezależnie.

Pipeline przetwarza pełny zbiór, generuje wykryte obszary i rozpoznany tekst, ocenia rezultaty względem oznaczonych przykładów oraz zapisuje pliki gotowe do dalszej analizy.

Rozdzielenie lokalizacji, rozpoznawania i ewaluacji znacznie ułatwiło diagnozowanie błędów modeli. Projekt potwierdził wartość powtarzalnych zbiorów, jawnych wyników pośrednich i metryk, które opisują więcej niż kilka udanych przykładów.