블랙박스 영상에서 흐릿한 자동차 번호판을 고화질로 복원하는 딥러닝 기반 화질 개선 시스템입니다.
- DeepLabV3 기반 번호판 세그멘테이션
- FlowFormer++ 기반 Optical Flow 추정 및 Refinement
- 시공간적 일관성 보정을 통한 프레임 정렬
- CLAHE를 통한 대비 향상
- Scene Text 기반 복원 모델(TCDM)을 활용한 후처리
- Python 3.8+
- PyTorch, OpenCV
- DeepLabV3, FlowFormer++
- TCDM (Text Conditional Diffusion Model)
- CUDA 11.3 이상
- DeepLabV3로 번호판 영역 추출 → 고정 비율(4:1)로 업샘플링
- Homography를 이용해 시점 보정
- 최종적으로 1장의 Pseudo-GT + 31장의 LR 번호판 프레임으로 구성
- FlowFormer++를 통해 각 프레임의 움직임 추정
- Temporal/Spatial Smoothness 기반 오류 보정 수행
- 기준 프레임으로 모든 프레임 정렬 (De-warping)
- 정렬된 프레임들을 집계하여 하나의 이미지로 생성
- CLAHE로 대비 개선
- TCDM으로 Scene Text Prior를 활용한 복원 향상
-
DeepLabV3 기반 번호판 세그멘테이션
- 번호판 영역 검출 모델 구현 및 최적화
- Precision 89%, Recall 87.5% 달성
- Homography 기반 시점 보정 알고리즘 개발
-
TCDM 기반 후처리
- Scene Text Prior를 활용한 번호판 복원 모델 구현
- Hallucination 현상 제거 및 복원 정확도 향상
- ESRGAN, SwinIR 등 기존 모델 대비 우수한 성능 달성
| Metric | Value |
|---|---|
| Precision | 0.890 |
| Recall | 0.875 |
- 평균 RMSE 3.71% 개선
- Worst 30% frame 기준 RMSE 13.37% 개선
- ESRGAN, SwinIR, TATT 등 최신 모델들과 비교
- Hallucination 현상 없이 번호판 복원 정확도 우수
.
├── Data/ # 입력/출력 데이터
├── DT_core/ # 번호판 Detection (DeepLabV3)
├── FF_core/ # Optical Flow 보정 (FlowFormer++)
├── FlowFormerPlusPlus/ # FlowFormer++ 원본 코드
├── TCDM/ # 후처리용 텍스트 기반 복원 모델
├── scripts/ # 실행 스크립트 모음
└── main.py # 메인 실행 스크립트
conda env create -f environment.yaml
conda activate SR- model_v2.pth →
DT_core/에 저장
# 메인 실행
python main.py- UI에서 영상 파일 드래그 & 드롭
- 번호판 시점(초 단위) 입력 → 차량/번호판 영역 선택 → 자동 복원 수행
- NC& 기업과 산학과제 완료
- 실제 블랙박스 데이터 기반 모델 검증
- 기업 요구사항에 맞춘 시스템 최적화
- 성공적인 산학협력 프로젝트 완료


