> ## Documentation Index
> Fetch the complete documentation index at: https://0x38a.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# MF-LPR2
> 저화질 블랙박스 영상의 번호판을 다중 프레임 기반으로 복원하는 Computer Vision 프로젝트.
MF-LPR2는 Multi-Frame License Plate Restoration & Recognition의 약자입니다. 블랙박스 영상에서 흐릿한 자동차 번호판을 고화질로 복원하는 딥러닝 기반 화질 개선 시스템입니다.
## Overview
| Field | Value |
| ---------- | ---------------------------------------- |
| Period | 2023.06 - 2024.12 |
| Domain | Computer Vision |
| Repository | [LPR2](https://github.com/choihjin/LPR2) |
| Result | Worst 30% frame 기준 RMSE 13.37% 개선 |
## My role
* DeepLabV3 기반 번호판 영역 추출 및 시점 보정
* FlowFormer++ 기반 프레임 정렬 파이프라인 구성
* TCDM 기반 후처리로 번호판 복원 품질 개선
* 번호판 세그멘테이션, 시점 보정, scene text prior 기반 후처리 실험과 구현 담당
## Pipeline
1. DeepLabV3로 번호판 영역을 추출합니다.
2. Homography로 번호판 영역을 고정 비율로 보정합니다.
3. FlowFormer++로 프레임 간 optical flow를 추정합니다.
4. 기준 프레임으로 여러 프레임을 정렬합니다.
5. CLAHE와 TCDM 기반 후처리로 복원 품질을 개선합니다.
## Core stack
| Area | Stack |
| ---------------------- | ----------------------------- |
| Language and framework | Python, PyTorch, OpenCV |
| Models | DeepLabV3, FlowFormer++, TCDM |
| Hardware | CUDA |
## Metrics
| Metric | Value |
| -------------------------------- | ------ |
| Detection Precision | 0.890 |
| Detection Recall | 0.875 |
| Average RMSE improvement | 3.71% |
| Worst 30% frame RMSE improvement | 13.37% |
## Results
기존 super-resolution 모델 대비 hallucination을 줄이는 방향으로 실험했습니다.
번호판 인식 가능한 품질로 복원하는 것을 목표로 했습니다.
## Collaboration
NC&와 산학협력으로 실제 블랙박스 데이터 기반 검증과 피드백을 반영했습니다.