对AWS识别和Azure定制视觉性能在停车牌识别中的分析
Maria Spichkova1, Amanda Severin1, Chanakan Amornpatchara1
1School of Computing Technologies, RMIT University, Melbourne, VIC 3000, Australia.
Sensors (Basel, Switzerland)
|October 16, 2025
概括
这项研究比较了AWS Rekognition和Azure Custom Vision用于自动化停车牌分析. 在识别停车牌元素和文本方面,AWS Rekognition表现出卓越的性能,使得人工智能驱动的停车辅助更加可行.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 运输工程 运输工程
背景情况:
- 自动识别停车标志对于提高自动驾驶汽车和驾驶员导航的安全性和效率至关重要.
- 目前用于分析停车牌约束的AI能力需要对现实世界的应用进行进一步评估.
研究的目的:
- 进行对AWS Rekognition和Azure Custom Vision (CV) 的性能比较分析,以识别停车牌.
- 开发和评估第一个基于人工智能的方法,用于识别墨尔本特定的停车牌和提取约束信息.
主要方法:
- 使用了1225张停车牌图像进行评估.
- 根据识别标志元素,子标志,完整性和遗漏文本的准确性评估了AWS Rekognition和Azure CV.
- 根据各种认可标准计算F1分数.
主要成果:
- 无论是AWS Rekognition还是Azure CV都表现出有效的性能,接近现场应用的准备.
- 对于符号元素 (0.991) 和子符号 (1,000) 的识别,AWS Rekognition获得了更高的F1分数,并且在"没有错过文本" (0.94) 中表现更好.
- 在箭头识别方面,Azure CV表现出色 (F1分数为0.941),在其他领域的表现与AWS Rekognition相似.
结论:
- 这两种图像识别平台都显示出自动化停车牌分析的巨大潜力.
- 对于与停车约束提取相关的关键元素,AWS Rekognition 提供了卓越的性能.
- 对人工智能模型的进一步改进可以提高自动驾驶系统对自动停车牌解释的可靠性.
