ナンバープレート認識OCRにおけるニューラル超解像度事前フィルターの検証
ナンバープレート超解像度の限超解像度（SR）をナンバープレートOCRの事前フィルターとして使用することで精度が向上するという仮説を検証した。
研究チームは、カスタムモデルと大規模な事前学習モデルの3種類を比較した結果、SRはキャラクター認識の精度向上には全く寄与しないことを突き止めた。
SRは、入力データに存在しない情報を「ハルシネーション（幻覚）」として生成するだけであり、根本的な画質の問題を解決できないためである。
結論として、システム全体の高精度はSRに依存せず、マルチクロップ投票による正しい情報の補完によって達成されていることが判明した。
原文の冒頭を表示（英語・3段落のみ）
If you're building a custom license plate recognition system in 2026, you've probably come across super-resolution. The pitch is everywhere: upscale a blurry 50 pixel crop to a crisp 200 pixel image, then hand it to your OCR model. Papers show dramatic before and after images. ICPR 2026 dedicated an entire competition to it. It sounds like free accuracy.
We built one, tested it on production crops, and found it does nothing. Then we downloaded a pretrained model 30 times larger and tested that too. Same result.
This note asks a question the SR literature rarely touches: if you can train your OCR model on low resolution data, why would you need a separate model to upscale it first?
※ 著作権に配慮し、引用は冒頭3段落までです。続きは元記事をご覧ください。