Классификаторы LCA API

Классификаторы используются для распознавания атрибутов транспортных средств (ТС) и государственных регистрационных знаков (ГРЗ).

В данном разделе описаны классификаторы, доступные в Luna Cars Analytics, а также поля, возвращаемые каждым классификатором.

Классификаторы ТС

В данном разделе описаны классификаторы транспортных средств, доступные в Luna Cars Analytics.

car_brand_model_v2

Классификатор car_brand_model_v2 распознает марку и модель транспортного средства.

В ответе возвращаются название марки, название модели (латинскими символами) и оценка точности распознавания (Таблица 4).

Классификатор car_brand_model_v2 поддерживает распознавание не менее 160 марок и 1700 моделей транспортных средств.

Распознавание марки и модели выполняется на основе визуальных признаков кузова транспортного средства. Классификатор использует группировку моделей со схожими внешними признаками. В таких случаях результатом распознавания является наиболее распространенная в Российской Федерации марка и модель соответствующей группы.

Например, модели ZAZ Sens, ZAZ Lanos, ZAZ Chance, Daewoo Sens, Daewoo Lanos, Chevrolet Lanos и ZAZ Lanos Furgon имеют схожие визуальные признаки кузова и относятся к одной группе. При распознавании любого из перечисленных транспортных средств система определяет марку как Chevrolet, а модель — как Lanos.

Полный перечень поддерживаемых марок и моделей транспортных средств описан в документе «Справочник».

Пример входного изображения показан на Рисунке 3.

Пример входного изображения для классификатора `car_brand_model_v2`

Пример ответа:

{
    "brand": "Skoda",
    "classifier": "car_brand_model_v2",
    "execution_time": 84,
    "model": "Kodiaq",
    "score": 0.9844
}

Таблица 4. Поля классификатора car_brand_model_v2

Поле	Тип	Описание	Возможные значения
brand	string	Марка ТС	Skoda
classifier	string	Название классификатора	car_brand_model_v2
execution_time	int	Время выполнения, мс	0…1000
model	string	Модель ТС	Kodiaq
score	float	Оценка точности распознавания марки и модели ТС	0.0000…1.0000

detailed_vehicle_color

Классификатор detailed_vehicle_color распознает тип расцветки и цвет транспортного средства.

В ответе возвращаются тип расцветки, название цвета ТС на английском языке и оценка точности распознавания (Таблица 5).

Классификатор поддерживает распознавание 12 цветов и 4 типов расцветки. Тип расцветки определяется по одному из четырех классов: одноцветное, многоцветное, со стикерами/наклейками/рисунками или с цветографикой.

Пример входного изображения показан на Рисунке 4.

Пример входного изображения для классификатора `detailed_vehicle_color`

Пример ответа:

{
    "classifier": "detailed_vehicle_color",
    "execution_time": 20,
    "color_type": "pics",
    "color_type_score": 0.69997,
    "colors": [
        {
            "vehicle_color": "white",
            "vehicle_color_score": 0.9986
        }
    ],
    "execution_time": 87
}

Таблица 5. Поля классификатора detailed_vehicle_color

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	detailed_vehicle_color
execution_time	int	Время выполнения, мс	0…1000
color_type	string	Тип расцветки ТС	mono, multi, colorgraph, pics
color_type_score	float	Оценка точности распознавания типа расцветки ТС	0.0000…1.0000
colors	array	Массив, содержащий цвет ТС и оценку точности распознавания	vehicle_color, vehicle_color_score
vehicle_color	string	Цвет ТС	red, orange, yellow, green, light_blue, blue, purple_or_pink, black, white, brown, grey_or_silver, beige
vehicle_color_score	float	Оценка точности распознавания цвета ТС	0.0000…1.0000
execution_time	int	Время выполнения, мс	0…1000

vehicle_type

Классификатор vehicle_type распознает тип транспортного средства.

В ответе возвращаются тип ТС и оценка точности распознавания.

Классификация транспортных средств выполняется в соответствии с ГОСТ Р 52051-2003 «Механические транспортные средства и прицепы. Классификация и определения». Описание типов транспортных средств представлено в Таблице 6.

Полный перечень типов транспортных средств содержится в документе «Справочник».

Пример входного изображения показан на Рисунке 5.

Пример входного изображения для классификатора `vehicle_type`

Пример ответа:

{
    "classifier": "vehicle_type",
    "execution_time": 20,
    "ts_type_ai": "E_light",
    "ts_type_ai_score": 0.9997
}

Таблица 7. Поля классификатора vehicle_type

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_type
execution_time	int	Время выполнения, мс	0…1000
ts_type_ai	string	Тип ТС	A_light, A_heavy, B_light, B_heavy, C_light, C_heavy, C_artic, D_light, D_heavy, D_long, P, O
ts_type_ai_score	float	Оценка точности распознавания типа ТС	0.0000…1.0000

featured_vehicle_type

Классификатор featured_vehicle_type распознает тип транспортного средства с учетом наличия прицепа.

В ответе возвращаются тип ТС, наличие или отсутствие прицепа и оценка точности распознавания (Таблица 9).

Классификация транспортных средств выполняется в соответствии с ГОСТ Р 52051-2003 «Механические транспортные средства и прицепы. Классификация и определения». Описание типов транспортных средств представлено в Таблице 8.

Полный перечень типов транспортных средств содержится в документе «Справочник».

Пример входного изображения показан на Рисунке 6.

Пример входного изображения для классификатора `featured_vehicle_type`

Пример ответа:

{
  "classifier": "featured_vehicle_type",
  "attribute": "P",
  "attribute_score": 0.8144,
  "features": [
    {
      "score": 0.7807,
      "type": "trailer",
      "value": "with_trailer"
    }
  ]
}

Таблица 9. Поля классификатора featured_vehicle_type

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	featured_vehicle_type
attribute	string	Тип ТС	A_light, A_heavy, B_light, B_heavy, C_light, C_heavy, C_artic, D_light, D_heavy, D_long, P, O
attribute_score	float	Оценка точности распознавания типа ТС	0.0000…1.0000
features	array	Массив, содержащий особенности, распознанные классификатором (например, наличие прицепа)	Список объектов
score	float	Оценка точности распознавания особенности	0.0000…1.0000
type	string	Тип особенности ТС	trailer
value	string	Результат распознавания особенности	with_trailer — наличие прицепа, without_trailer — отсутствие прицепа

vehicle_position_v1

Классификатор vehicle_position_v1 распознает позицию транспортного средства на изображении.

В ответе возвращаются координаты ключевых точек транспортного средства (leftFront — передний левый угол, leftRear — задний левый угол, rightFront — передний правый угол, rightRear — задний правый угол) и оценка уверенности модели (Таблица 10).

Классификатор возвращает 9 значений: первые 8 значений содержат координаты ключевых точек транспортного средства, а последнее значение содержит оценку уверенности модели.

Пример входного изображения показан на Рисунке 7.

Пример входного изображения для классификатора `vehicle_position_v1`

Пример ответа:

{
  "results": [
    {
      "classifier": "vehicle_position_v1",
      "execution_time": 20,
      "leftFront": {
        "x": 13.9383,
        "y": 291.3493
      },
      "leftRear": {
        "x": 344.9959,
        "y": 472.0356
      },
      "rightFront": {
        "x": 174.0835,
        "y": 260.4908
      },
      "rightRear": {
        "x": 565.8995,
        "y": 442.9853
      },
      "score": 1
    }
  ]
}

Таблица 10. Поля классификатора vehicle_position_v1

Поле	Тип	Описание	Возможные значения
---	---	---	---
classifier	string	Название классификатора	vehicle_position_v1
execution_time	int	Время выполнения, мс	0…1000
leftFront	object	Координаты переднего левого угла	{x: float, y: float}
leftRear	object	Координаты заднего левого угла	{x: float, y: float}
rightFront	object	Координаты переднего правого угла	{x: float, y: float}
rightRear	object	Координаты заднего правого угла	{x: float, y: float}
score	float	Оценка уверенности модели	1

vehicle_position_v2

Классификатор vehicle_position_v2 распознает позицию транспортного средства на изображении.

В ответе возвращаются координаты ключевых точек транспортного средства (leftFront — передний левый угол, leftRear — задний левый угол, rightFront — передний правый угол, rightRear — задний правый угол) и оценка уверенности модели (Таблица 11).

Классификатор возвращает 9 значений: первые 8 значений содержат координаты ключевых точек транспортного средства, а последнее значение содержит оценку уверенности модели.

Пример входного изображения показан на Рисунке 8.

Пример входного изображения для классификатора `vehicle_position_v2`

Пример ответа:

{
  "results": [
    {
      "classifier": "vehicle_position_v2",
      "execution_time": 220,
      "leftFront": {
        "x": 12.8948,
        "y": 288.3044
      },
      "leftRear": {
        "x": 345.9747,
        "y": 472.6685
      },
      "rightFront": {
        "x": 172.3415,
        "y": 255.4617
      },
      "rightRear": {
        "x": 567.9649,
        "y": 443.324
      },
      "score": 0.9938
    }
  ]
}

Таблица 11. Поля классификатора vehicle_position_v2

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_position_v2
execution_time	int	Время выполнения, мс	0…1000
leftFront	object	Координаты переднего левого угла	{x: float, y: float}
leftRear	object	Координаты заднего левого угла	{x: float, y: float}
rightFront	object	Координаты переднего правого угла	{x: float, y: float}
rightRear	object	Координаты заднего правого угла	{x: float, y: float}
score	float	Оценка уверенности модели	0.0000…1.0000

vehicle_orientation_v1

Классификатор vehicle_orientation_v1 распознает ориентацию транспортного средства на изображении.

В ответе возвращаются ориентация транспортного средства относительно камеры и оценка точности распознавания (Таблица 12).

Классификатор возвращает одно из восьми возможных значений, определяющих ориентацию транспортного средства относительно камеры. Эти значения соответствуют основным направлениям (спереди, сзади, слева и справа), а также их комбинациям.

Пример входного изображения показан на Рисунке 9.

Пример входного изображения для классификатора `vehicle_orientation_v1`

Пример ответа:

{
    "classifier": "vehicle_orientation_v1",
    "execution_time": 20,
    "orientation": "front_right",
    "orientation_score": 0.8609
}

Таблица 12. Поля классификатора vehicle_orientation_v1

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_orientation_v1
execution_time	int	Время выполнения, мс	0…1000
orientation	string	Ориентация транспортного средства относительно камеры	back, back_right, right, front_right, front, front_left, left, back_left
orientation_score	float	Оценка точности распознавания ориентации	0.0000…1.0000

detailed_vehicle_emergency и detailed_vehicle_emergency_v2

Классификаторы detailed_vehicle_emergency и detailed_vehicle_emergency_v2 распознают принадлежность транспортного средства к экстренным службам и наличие проблесковых маячков.

В ответе возвращаются тип экстренной службы, наличие или отсутствие проблескового маячка и оценки точности распознавания (Таблица 13).

Пример входного изображения показан на Рисунке 10.

Пример входного изображения для классификатора `detailed_vehicle_emergency_v2`

Пример ответа:

{
    "classifier": "detailed_vehicle_emergency_v2",
    "execution_time": 20,
    "emergency_type": "01",
    "emergency_type_score": 0.6714,
    "flashing_light": "without_flashing_light",
    "flashing_light_score": 0.0896
}

Таблица 13. Поля классификатора detailed_vehicle_emergency_v2

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	detailed_vehicle_emergency_v2
execution_time	int	Время выполнения, мс	0…1000
emergency_type	string	Тип экстренной службы	01, 02, 03, 04, 112, other_services, not_emergency
emergency_type_score	float	Оценка точности распознавания типа экстренной службы	0.0000…1.0000
flashing_light	string	Наличие проблескового маячка	with_flashing_light, without_flashing_light
flashing_light_score	float	Оценка точности распознавания наличия проблескового маячка	0.0000…1.0000

public_transport_type

Классификатор public_transport_type распознает тип общественного транспорта.

В ответе возвращаются тип общественного транспорта и оценка точности распознавания (Таблица 14).

Такси относится к общественному транспорту, если цветографическая схема транспортного средства соответствует ГОСТ Р 58287-2018 «Отличительные знаки и информационное обеспечение транспортных средств пассажирского наземного транспорта, остановочных пунктов и автостанций. Общие технические требования».

Каршеринг относится к общественному транспорту, если цветографическая схема транспортного средства соответствует приказу Департамента транспорта города Москвы от 2 сентября 2015 г. № 61-02-283/5 «Об утверждении Требований к цветографической окраске транспортных средств, используемых для оказания услуги каршеринга».

Пример входного изображения показан на Рисунке 11.

Пример входного изображения для классификатора `public_transport_type`

Пример ответа:

{
    "classifier": "public_transport_type",
    "execution_time": 20,
    "public_type": "taxi",
    "public_type_score": 0.9999
}

Таблица 14. Поля классификатора public_transport_type

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	public_transport_type
execution_time	int	Время выполнения, мс	0…1000
public_type	string	Тип общественного транспорта	route_transport, taxi, carsharing, other
public_type_score	float	Оценка точности распознавания типа общественного транспорта	0.0000…1.0000

special_transport_type

Классификатор special_transport_type распознает тип специальной техники.

В ответе возвращаются тип специальной техники и оценка точности распознавания (Таблица 15).

Пример входного изображения показан на Рисунке 12.

Пример входного изображения для классификатора `special_transport_type`

Пример ответа:

{
    "classifier": "special_transport_type",
    "execution_time": 20,
    "special_type": "garbage_truck",
    "special_type_score": 0.9999
}

Таблица 15. Поля классификатора special_transport_type

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	special_transport_type
execution_time	int	Время выполнения, мс	0…1000
special_type	string	Тип специальной техники	truck_crane, forklift, sweeper, paver, concrete_mixer, bulldozer, grader, truck, roller, garbage_truck, sprinkler_truck, dump_truck, tractor, excavator, other_special, other_non_special
special_type_score	float	Оценка точности распознавания типа специальной техники	0.0000…1.0000

vehicle_axles

Классификатор vehicle_axles распознает оси транспортного средства: их координаты и количество.

В ответе возвращаются координаты каждой оси, количество осей, оценка точности детекции каждой оси и общая оценка точности детекции всех осей (Таблица 16).

Пример входного изображения показан на Рисунке 13.

Пример входного изображения для классификатора `vehicle_axles`

Пример ответа:

{
    "classifier": "vehicle_axles",
    "execution_time": 20,
    "aggregatedScore": 0.9006090760231018,
    "detections": [
        {
            "height": 119.57168579101563,
            "score": 0.917134165763855,
            "width": 109.78546142578125,
            "x": 180.5765380859375,
            "y": 385.35791015625
        },
        {
            "height": 93.49630737304688,
            "score": 0.8918288946151733,
            "width": 66.70538330078125,
            "x": 565.5817260742188,
            "y": 359.1695861816406
        },
        {
            "height": 91.6329345703125,
            "score": 0.8791476488113403,
            "width": 84.33480834960938,
            "x": 477.0045471191406,
            "y": 372.5871276855469
        }
    ],
    "numberOfWheelAxles": 3
}

Таблица 16. Поля классификатора vehicle_axles

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_axles
execution_time	int	Время выполнения, мс	0…1000
aggregatedScore	float	Общая оценка точности детекции всех осей ТС	0.0000…1.0000
detections	array	Массив, содержащий координаты, размеры BBox и оценки точности детекции каждой оси	Список объектов
height	int	Высота BBox оси (в пикселях)	0…1080
score	float	Оценка точности детекции оси	0.0000…1.0000
width	int	Ширина BBox оси (в пикселях)	0…1920
x	int	Горизонтальная координата левого верхнего угла BBox	0…1920
y	int	Вертикальная координата левого верхнего угла BBox	0…1080
numberOfWheelAxles	int	Количество детектированных осей	1…n

vehicle_descriptor_v2

Классификатор vehicle_descriptor_v2 извлекает дескриптор транспортного средства.

В ответе возвращается дескриптор транспортного средства (Таблица 17).

Дескриптор используется для поиска транспортного средства по изображению в LCA UI. Дескриптор кодируется в формате Base64. Поиск по изображению позволяет находить записи в архиве, связанные с конкретным транспортным средством.

Дескриптор транспортного средства может содержать несколько тысяч символов.

Пример входного изображения показан на Рисунке 14.

Пример входного изображения для классификатора `vehicle_descriptor_v2`

Пример ответа:

{
    "classifier": "vehicle_descriptor_v2",
    "execution_time": 23,
    "vehicle_descriptor": "AACAvQAAALwAAAA9..."
}

Таблица 17. Поля классификатора vehicle_descriptor_v2

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_descriptor_v2
execution_time	int	Время выполнения, мс	0…1000
vehicle_descriptor	string	Дескриптор транспортного средства	AACAvQ…

vehicle_tracks_reid_descriptor

Классификатор vehicle_tracks_reid_descriptor извлекает дескриптор транспортного средства.

В ответе возвращается дескриптор транспортного средства (Таблица 18).

Дескриптор используется для обнаружения разрывов треков транспортных средств и продолжения существующих треков вместо создания новых. Он также используется для поиска транспортного средства по изображению в LCA UI. Поиск по изображению позволяет находить записи в архиве, связанные с конкретным транспортным средством.

Дескриптор транспортного средства может содержать несколько тысяч символов.

Классификатор vehicle_tracks_reid_descriptor работает быстрее, чем vehicle_descriptor_v2, однако его точность немного ниже.

Пример входного изображения показан на Рисунке 15.

Пример входного изображения для классификатора `vehicle_tracks_reid_descriptor`

Пример ответа:

{
    "classifier": "vehicle_tracks_reid_descriptor",
    "execution_time": 20,
    "vehicle_descriptor": "AACAvQAAALwAAAA9..."
}

Таблица 18. Поля классификатора vehicle_tracks_reid_descriptor

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_tracks_reid_descriptor
execution_time	int	Время выполнения, мс	0…1000
vehicle_descriptor	string	Дескриптор транспортного средства	AACAvQ…

Классификаторы ГРЗ

В разделе описаны доступные в Luna Cars Analytics классификаторы ГРЗ и их поля.

Логика распознавания ГРЗ

Схема логики распознавания ГРЗ показана на Рисунке 16.

Логика распознавания ГРЗ

Описание схемы представлено в Таблице 19.

Таблица 19. Логика распознавания ГРЗ

Шаг	Описание
0	В компонент API поступает изображение ГРЗ
1	Запускается классификатор определения страны ГРЗ grz_all_countries
2	Определяется страна ГРЗ
3	Если страна ГРЗ не определена, запускается классификатор eu_cis_recognition_v4
4	Если страна ГРЗ определена, запускается соответствующий классификатор распознавания ГРЗ

Таблица 20. Соответствие классификаторов и стран ГРЗ

Классификатор	Страны ГРЗ
rus_plate_recognition_v3	Россия, Абхазия, Южная Осетия, ДНР, ЛНР
grz_country_recognition_v4, grz_country_recognition_v5, grz_all_countries	Россия, Абхазия, Южная Осетия, ДНР, ЛНР, Беларусь, Казахстан, Украина, Азербайджан, Армения, Грузия, Киргизия, Молдова, Таджикистан, Туркменистан, Узбекистан, Турция, Австрия, Андорра, Албания, Бельгия, Болгария, Босния и Герцеговина, Ватикан, Венгрия, Германия, Греция, Дания, Ирландия, Испания, Италия, Кипр, Косово, Латвия, Литва, Лихтенштейн, Люксембург, Мальта, Монако, Нидерланды, Норвегия, Польша, Португалия, Приднестровье, Румыния, Сан-Марино, Северная Македония, Сербия, Словакия, Словения, Финляндия, Франция, Хорватия, Черногория, Чехия, Швейцария, Швеция, Эстония, Израиль, Иран, Палестина, Пакистан, Катар, Оман, Кувейт, Бахрейн, Саудовская Аравия, Великобритания, Сингапур, Гонконг, Макао, Индонезия, Вьетнам, Малайзия, Шри-Ланка, Тайвань, Филиппины, Таиланд, ОАЭ, Индия, Китай, Монголия, Япония, Южная Корея, Бразилия, Бангладеш, Канада, США, Мексика, Новая Зеландия, Гернси, Аргентина, Австралия, Египет, Ирак, Камбоджа, Марокко, Ботсвана, Коста-Рика, Гана, Гватемала, Кения, Ливан, Никарагуа, Зимбабве
uae_plate_recognition_v2, uae_plate_recognition_v3	ОАЭ
eu_cis_recognition_v3, eu_cis_recognition_v4	Страны СНГ и Европы: Украина, Казахстан, Беларусь, Грузия, Молдова, Армения, Азербайджан, Таджикистан, Туркменистан, Киргизия, Узбекистан, Андорра, Албания, Австрия, Босния и Герцеговина, Бельгия, Болгария, Швейцария, Кипр, Чехия, Германия, Дания, Эстония, Испания, Финляндия, Франция, Греция, Хорватия, Венгрия, Ирландия, Израиль, Палестина, Иран, Италия, Лихтенштейн, Литва, Люксембург, Латвия, Монако, Черногория, Северная Македония, Мальта, Нидерланды, Норвегия, Польша, Приднестровье, Португалия, Румыния, Сербия, Швеция, Словения, Словакия, Сан-Марино, Турция, Ватикан, Косово
grz_uk_asia_recognition_v2	Великобритания и страны Азии: Индия, Пакистан, Вьетнам, Индонезия, Малайзия, Тайвань, Филиппины, Шри-Ланка, Макао, Сингапур, Гонконг, Новая Зеландия
chn_plate_recognition_v2	Китай
mng_recognition_v1	Монголия
america_plate_recognition_v1	США, Канада, Мексика, Бразилия
persian_plate_recognition_v1	Бахрейн, Кувейт, Оман, Катар, Саудовская Аравия
thailand_plate_recognition_v1	Таиланд

license_plate_ags_v1

Классификатор license_plate_ags_v1 оценивает качество изображения ГРЗ.

В ответе возвращается оценка качества изображения ГРЗ (Таблица 21).

Классификатор используется для выбора наиболее качественного изображения ГРЗ.

Для фильтрации изображений ГРЗ по качеству необходимо задать верхний и нижний пороги значения score.

Пример входного изображения показан на Рисунке 17.

Пример входного изображения для классификатора `license_plate_ags_v1`

Пример ответа:

{
    "classifier": "license_plate_ags_v1",
    "execution_time": 20,
    "score": 0.9963796734809875
}

Таблица 21. Поля классификатора license_plate_ags_v1

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	license_plate_ags_v1
execution_time	int	Время выполнения, мс	0…1000
score	float	Оценка качества изображения ГРЗ	0.0000…1.0000

rus_plate_recognition_v3

Классификатор rus_plate_recognition_v3 распознает символы ГРЗ и их особенности.

В ответе возвращаются распознанные символы ГРЗ, особенности ГРЗ, оценки точности распознавания символов и особенностей, а также общая оценка точности распознавания ГРЗ (Таблица 22).

Классификатор rus_plate_recognition_v3 поддерживает распознавание ГРЗ России, Абхазии, Южной Осетии, ДНР и ЛНР.

Полный перечень поддерживаемых форматов ГРЗ содержится в документе «Справочник».

Пример входного изображения показан на Рисунке 18.

Пример входного изображения для классификатора `rus_plate_recognition_v3`

Пример ответа:

{
    "classifier": "rus_plate_recognition_v3",
    "execution_time": 20,
    "features": [
        {
            "score": 0.9998,
            "type": "rus_spec_type",
            "value": "regular"
        },
        {
            "score": 0.9987,
            "type": "rus_region_number",
            "value": "94"
        }
    ],
    "regno_ai_score": 0.9959,
    "symbol_scores": [
        0.9998,
        0.9996,
        0.9994,
        0.9991,
        0.9996,
        0.9996,
        0.9994,
        0.9994
    ],
    "symbols": [
        "K",
        "2",
        "1",
        "2",
        "K",
        "K",
        "9",
        "4"
    ]
}

Таблица 22. Поля классификатора rus_plate_recognition_v3

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	rus_plate_recognition_v3
execution_time	int	Время выполнения, мс	0…1000
score	float	Оценка точности распознавания особенности ГРЗ	0.0000…1.0000
type	string	Тип особенности ГРЗ	rus_spec_type — формат ГРЗ; rus_region_number — код региона регистрации ТС
value	string	Значение особенности ГРЗ	regular — гражданский; police — полицейский; diplomatic — дипломатический; military— военный; machines&moto — спецтехника и мотоциклы; trailer — прицеп; transit — транзитный; taxi — такси; для rus_region_number — код региона регистрации
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000
symbol_scores	array	Оценки точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	array	Массив распознанных символов ГРЗ	0…9; A, B, C, E…

grz_country_recognition_v4

Классификатор grz_country_recognition_v4 распознает страну ГРЗ.

В ответе возвращаются страна ГРЗ и оценка точности распознавания (Таблица 23).

Классификатор определяет, какому транспортному средству принадлежит обнаруженный ГРЗ. Для дальнейшей обработки используются только ГРЗ, относящиеся к целевому транспортному средству.

Полный перечень возможных значений параметра country содержится в документе «Справочник».

Пример входного изображения показан на Рисунке 19.

Пример входного изображения для классификатора `grz_country_recognition_v4`

Пример ответа:

{
    "classifier": "grz_country_recognition_v4",
    "execution_time": 20,
    "country": "RUS",
    "country_score": 0.9718532562255859
}

Таблица 23. Поля классификатора grz_country_recognition_v4

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	grz_country_recognition_v4
execution_time	int	Время выполнения, мс	0…1000
country	string	Страна ГРЗ	RUS — Russian Federation (RF)
country_score	float	Оценка точности распознавания страны ГРЗ	0.0000…1.0000

grz_country_recognition_v5

Классификатор grz_country_recognition_v5 распознает страну ГРЗ и определяет индивидуальность ГРЗ.

В ответе возвращаются страна ГРЗ, оценка точности распознавания страны и информация об индивидуальности ГРЗ (Таблица 24).

Классификатор определяет, какому транспортному средству принадлежит обнаруженный ГРЗ. Для дальнейшей обработки используются только ГРЗ, относящиеся к целевому транспортному средству.

Полный перечень возможных значений параметра country содержится в документе «Справочник».

Пример входного изображения показан на Рисунке 20.

Пример входного изображения для классификатора `grz_country_recognition_v5`

Пример ответа:

{
    "classifier": "grz_country_recognition_v5",
    "country": "HKG",
    "country_score": 0.9583,
    "execution_time": 28,
    "features": [
        {
            "score": 0.712,
            "type": "individuality",
            "value": "individual"
        }
    ]
}

Таблица 24. Поля классификатора grz_country_recognition_v5

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	grz_country_recognition_v5
country	string	Страна ГРЗ	HKG — Hong Kong Special Administrative Region
country_score	float	Оценка точности распознавания страны ГРЗ	0.0000…1.0000
execution_time	int	Время выполнения, мс	0…1000
score	float	Оценка точности распознавания особенности ГРЗ	0.0000…1.0000
type	string	Тип особенности ГРЗ	individuality — индивидуальность ГРЗ
value	string	Значение особенности ГРЗ	individual — индивидуальный

grz_all_countries

Классификатор grz_all_countries распознает страну ГРЗ, символы ГРЗ и их особенности.

В ответе возвращаются страна ГРЗ, распознанные символы ГРЗ, особенности ГРЗ, оценки точности распознавания страны, символов и особенностей, а также общая оценка точности распознавания ГРЗ (Таблица 25).

Классификатор поддерживает распознавание ГРЗ любых поддерживаемых стран.

Полный перечень поддерживаемых ГРЗ содержится в документе «Справочник».

Пример входного изображения показан на Рисунке 21.

Пример входного изображения для классификатора `grz_all_countries`

Пример ответа:

{
    "classifier": "grz_all_countries",
    "country": "RUS",
    "country_features": [
        {
            "score": 1,
            "type": "individuality",
            "value": "not_individual"
        }
    ],
    "country_score": 0.9999,
    "execution_time": 74,
    "features": [
        {
            "score": 0.9998,
            "type": "rus_spec_type",
            "value": "regular"
        },
        {
            "score": 0.9987,
            "type": "rus_region_number",
            "value": "94"
        }
    ],
    "regno_ai_score": 0.9997,
    "symbol_scores": [
        0.9998,
        0.9996,
        0.9994,
        0.9991,
        0.9996,
        0.9996,
        0.9994,
        0.9994
    ],
    "symbols": [
        "K",
        "2",
        "1",
        "2",
        "K",
        "K",
        "9",
        "4"
    ]
}

Таблица 25. Поля классификатора grz_all_countries

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	grz_all_countries
country	string	Страна ГРЗ	RUS — Russian Federation (RF)
country_features	array	Массив, содержащий особенности страны ГРЗ и оценки точности их распознавания	Список объектов
score	float	Оценка точности распознавания особенности страны ГРЗ	0.0000…1.0000
type	string	Тип особенности страны ГРЗ	individuality — индивидуальность ГРЗ
value	string	Значение особенности страны ГРЗ	not_individual — не индивидуальный
country_score	float	Оценка точности распознавания страны ГРЗ	0.0000…1.0000
execution_time	int	Время выполнения, мс	0…1000
features	array	Массив, содержащий особенности ГРЗ и оценки точности их распознавания	Список объектов
score	float	Оценка точности распознавания особенности ГРЗ	0.0000…1.0000
type	string	Тип особенности ГРЗ	rus_spec_type — формат ГРЗ; rus_region_number — код региона регистрации ТС
value	string	Значение особенности ГРЗ	regular — гражданский; police — полицейский; diplomatic — дипломатический; military — военный; machines&moto — спецтехника и мотоциклы; trailer — прицеп; transit — транзитный; taxi — такси; для rus_region_number — код региона регистрации
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000
symbol_scores	array	Оценки точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	array	Массив распознанных символов ГРЗ	0…9; A, B, C, E…

uae_plate_recognition_v2 и uae_plate_recognition_v3

Классификаторы uae_plate_recognition_v2 и uae_plate_recognition_v3 распознают эмират, символы ГРЗ и особенности ГРЗ.

В ответе возвращаются распознанный эмират, символы ГРЗ, оценки точности распознавания эмирата, символов и особенностей ГРЗ, а также общая оценка точности распознавания ГРЗ (Таблица 26).

Классификатор uae_plate_recognition_v3 дополнительно распознает тип, цвет и код ГРЗ.

Полный перечень поддерживаемых ГРЗ содержится в документе «Справочник».

Пример входного изображения показан на Рисунке 22.

Пример входного изображения для классификатора

Пример ответа (v2):

{
    "classifier": "uae_plate_recognition_v2",
    "execution_time": 43,
    "features": [
        {
            "score": 0.848,
            "type": "emirate_name",
            "value": "SHARJAH"
        }
    ],
    "regno_ai_score": 0.5661,
    "symbol_scores": [
        0.9044,
        0.9116,
        0.9182,
        0.9042,
        0.9087,
        0.9101
    ],
    "symbols": [
        "2",
        "1",
        "4",
        "5",
        "6",
        "7"
    ]
}

Пример ответа (v3):

{
    "classifier": "uae_plate_recognition_v3",
    "execution_time": 323,
    "features": [
        {
            "score": 0.9146,
            "type": "emirate_name",
            "value": "SHARJAH"
        },
        {
            "score": 0.9164,
            "type": "uae_spec_type",
            "value": "regular"
        },
        {
            "score": 0.9211,
            "type": "uae_color",
            "value": "white"
        },
        {
            "score": 0.9126,
            "type": "uae_code",
            "value": "2"
        }
    ],
    "regno_ai_score": 0.9106,
    "symbol_scores": [
        0.9126,
        0.9063,
        0.9099,
        0.9115,
        0.8983,
        0.9252
    ],
    "symbols": [
        "2",
        "1",
        "4",
        "5",
        "6",
        "7"
    ]
}

Таблица 26. Поля классификатора uae_plate_recognition_v3

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	uae_plate_recognition_v3
execution_time	int	Время выполнения, мс	0…1000
features	array	Массив, содержащий особенности ГРЗ и оценки точности их распознавания	Список объектов
score	float	Оценка точности распознавания особенности ГРЗ	0.0000…1.0000
type	string	Тип особенности ГРЗ	emirate_name — эмират; uae_spec_type — формат ГРЗ; uae_color — цвет ГРЗ; uae_code — код ГРЗ
value	string	Значение особенности ГРЗ	Для emirate_name: DUBAI, ABU_DHABI, SHARJAH, KHAIMAN, QUWAIN, AJMAN, FUJAIRAH, NO_EMIRATE. Для uae_spec_type: regular — гражданский; police — полицейский; transit — транзитный; public — общественный транспорт; oldtimer — ретроавтомобиль; commercial — коммерческий; motor — мотоцикл; diplomatic — дипломатический; other — другой. Для uae_color: white, green, blue, yellow, brown, red. Для uae_code: 0…9; A, B, C, E…
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000
symbol_scores	array	Оценки точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	array	Массив распознанных символов ГРЗ, включающий серию, регистрационный номер и код (или название) региона регистрации	0…9; A, B, C, E…

«eu_cis_recognition_v3» и «eu_cis_recognition_v4»

Классификаторы eu_cis_recognition_v3 и eu_cis_recognition_v4 распознают символы ГРЗ стран СНГ и Европейского союза, а также индивидуальные ГРЗ.

В ответе возвращаются распознанные символы ГРЗ, оценки точности распознавания каждого символа и общая оценка точности распознавания ГРЗ (Таблица 27).

Классификатор eu_cis_recognition_v4 поддерживает распознавание большего количества типов ГРЗ.

Полный перечень поддерживаемых ГРЗ содержится в документе «Справочник».

Пример входного изображения представлен на Рисунке 23.

Пример входного изображения для классификатора `eu_cis_recognition_v4`

Пример ответа:

{
  "classifier": "eu_cis_recognition_v4",
  "execution_time": 20,
  "regno_ai": {
    "length_scores": [
      0.0,
      0.0,
      0.0,
      0.0,
      0.0,
      1.0,
      0.0,
      0.0,
      0.0,
      0.0,
      0.0
    ],
    "scores": [
      0.9137,
      0.9112,
      0.9082,
      0.9054,
      0.9043
    ],
    "symbols": [
      "K",
      "U",
      "H",
      "L",
      "1"
    ]
  },
  "regno_ai_score": 0.6191
}

Таблица 27. Поля классификатора eu_cis_recognition_v4

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	eu_cis_recognition_v4
execution_time	int	Время выполнения, мс	10…10000
length_scores	array	Массив из 11 элементов, содержащий вероятности возможного количества символов в ГРЗ. Первый элемент соответствует 0 символам, последний — 10 символам. Сумма всех элементов массива равна 1. Наибольшее значение определяет наиболее вероятное количество символов в ГРЗ.	0.0000…1.0000
scores	array	Оценки точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	array	Массив распознанных символов ГРЗ	0…9; A, B, C, E…
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000

grz_uk_asia_recognition_v2

Классификатор grz_uk_asia_recognition_v2 распознает символы ГРЗ стран Азии и Великобритании, а также индивидуальные ГРЗ.

В ответе возвращаются распознанные символы ГРЗ, оценки точности распознавания каждого символа и общая оценка точности распознавания ГРЗ (Таблица 28).

Полный перечень поддерживаемых ГРЗ содержится в документе «Справочник».

Пример входного изображения показан на Рисунке 24.

Пример входного изображения для классификатора `grz_uk_asia_recognition_v2`

Пример ответа:

{
    "classifier": "grz_uk_asia_recognition_v2",
    "execution_time": 55,
    "regno_ai": {
        "length_scores": [
            0.0,
            0.0,
            0.0,
            0.0,
            0.0,
            0.0,
            0.0,
            0.0,
            0.0,
            0.0,
            1.0
        ],
        "scores": [
            1.0,
            1.0,
            1.0,
            1.0,
            1.0,
            1.0,
            1.0,
            1.0,
            1.0,
            1.0
        ],
        "symbols": [
            "G",
            "J",
            "0",
            "8",
            "C",
            "G",
            "2",
            "5",
            "3",
            "1"
        ]
    },
    "regno_ai_score": 1.0
}

Таблица 28. Поля классификатора grz_uk_asia_recognition_v2

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	grz_uk_asia_recognition_v2
execution_time	int	Время выполнения, мс	0…1000
length_scores	array	Массив из 11 элементов, содержащий вероятности возможного количества символов в ГРЗ. Первый элемент соответствует 0 символам, последний — 10 символам. Сумма всех элементов массива равна 1. Наибольшее значение определяет наиболее вероятное количество символов в ГРЗ.	0.0000…1.0000
scores	array	Оценки точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	array	Массив распознанных символов ГРЗ	0…9; A, B, C, E…
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000

chn_plate_recognition_v2

Классификатор chn_plate_recognition_v2 распознает символы ГРЗ Китая.

В ответе возвращаются распознанные символы ГРЗ, особенности номера, оценки точности распознавания каждого символа и общая оценка точности распознавания ГРЗ (Таблица 29).

Полный перечень поддерживаемых ГРЗ содержится в документе «Справочник».

Пример входного изображения показан на Рисунке 25.

Пример входного изображения для классификатора `chn_plate_recognition_v2`

Пример ответа:

{
    "classifier": "chn_plate_recognition_v2",
    "execution_time": 24,
    "features": [
        {
            "score": 0.8903,
            "type": "spec_type",
            "value": "regular"
        }
    ],
    "regno_ai_score": 0.4932,
    "symbol_scores": [
        0.8961,
        0.9147,
        0.9064,
        0.9024,
        0.9049,
        0.901,
        0.9023
    ],
    "symbols": [
        "吉",
        "H",
        "A",
        "Y",
        "4",
        "5",
        "7"
    ]
}

Таблица 29. Поля классификатора chn_plate_recognition_v2

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	chn_plate_recognition_v2
execution_time	int	Время выполнения, мс	0…1000
score	float	Оценка точности распознавания особенности ГРЗ	0.0000…1.0000
type	string	Тип особенности ГРЗ	spec_type — формат номера
value	string	Значение особенности ГРЗ	regular — обычный; large&moto — грузовые автомобили, автобусы и мотоциклы;electric — электромобили; cross_boarder — номера для пересечения границы с Макао и Гонконгом; trailer — прицеп;temporary — транзитный; police — полицейский; training — учебный
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000
symbol_scores	array	Оценки точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	array	Массив распознанных символов ГРЗ	0…9; A, B, C, E…; O, 皖, 沪, 津…

mng_recognition_v1

Классификатор mng_recognition_v1 распознает символы ГРЗ Монголии.

В ответе возвращаются распознанные символы ГРЗ, оценки точности распознавания каждого символа и общая оценка точности распознавания ГРЗ (Таблица 30).

Полный перечень поддерживаемых ГРЗ содержится в документе «Справочник».

Пример входного изображения показан на Рисунке 26.

Пример входного изображения для классификатора `mng_recognition_v1`

Пример ответа:

{
    "classifier": "mng_recognition_v1",
    "execution_time": 206,
    "regno_ai": {
        "length_scores": [
            0,
            0,
            0,
            0,
            0,
            0,
            1,
            0,
            0,
            0,
            0
        ],
        "scores": [
            0.9869,
            0.9909,
            0.9974,
            0.9981,
            0.9529,
            0.9952
        ],
        "symbols": [
            "1",
            "2",
            "3",
            "4",
            "Д",
            "К"
        ]
    },
    "regno_ai_score": 0.9231
}

Таблица 30. Поля классификатора mng_recognition_v1

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	mng_recognition_v1
execution_time	int	Время выполнения, мс	0…1000
length_scores	array	Массив из 11 элементов, содержащий вероятности возможного количества символов в ГРЗ. Первый элемент соответствует 0 символам, последний — 10 символам. Сумма всех элементов массива равна 1. Наибольшее значение определяет наиболее вероятное количество символов в ГРЗ.	0.0000…1.0000
scores	array	Оценки точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	array	Массив распознанных символов ГРЗ	0…9; A, B, C, E…
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000

america_plate_recognition_v1

Классификатор america_plate_recognition_v1 распознает символы ГРЗ США, Канады, Мексики и Бразилии.

В ответе возвращаются распознанные символы ГРЗ, оценки точности распознавания каждого символа и общая оценка точности распознавания ГРЗ (Таблица 31).

Полный перечень поддерживаемых ГРЗ содержится в документе «Справочник».

Пример входного изображения показан на Рисунке 27.

Пример входного изображения для классификатора `america_plate_recognition_v1`

Пример ответа:

{
    "classifier": "america_plate_recognition_v1",
    "execution_time": 190,
    "regno_ai": {
        "length_scores": [
            0,
            0,
            0,
            0,
            0,
            0,
            0,
            1,
            0,
            0,
            0
        ],
        "scores": [
            0.9971,
            0.9943,
            0.9947,
            0.9997,
            0.999,
            0.9989,
            0.9992
        ],
        "symbols": [
            "К",
            "N",
            "М",
            "1",
            "9",
            "5",
            "4"
        ]
    },
    "regno_ai_score": 0.983
}

Таблица 31. Поля классификатора america_plate_recognition_v1

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	america_plate_recognition_v1
execution_time	int	Время выполнения, мс	0…1000
length_scores	array	Массив из 11 элементов, содержащий вероятности возможного количества символов в ГРЗ. Первый элемент соответствует 0 символам, последний — 10 символам. Сумма всех элементов массива равна 1. Наибольшее значение определяет наиболее вероятное количество символов в ГРЗ.	0.0000…1.0000
scores	array	Оценки точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	array	Массив распознанных символов ГРЗ	0…9; A, B, C, E…
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000

persian_plate_recognition_v1

Классификатор persian_plate_recognition_v1 распознает символы ГРЗ Бахрейна, Кувейта, Омана, Катара и Саудовской Аравии.

В ответе возвращаются распознанные символы ГРЗ, оценки точности распознавания каждого символа и общая оценка точности распознавания ГРЗ (Таблица 32).

Полный перечень поддерживаемых ГРЗ содержится в документе «Справочник».

Пример входного изображения показан на Рисунке 28.

Пример входного изображения для классификатора `persian_plate_recognition_v1`

Пример ответа:

{
    "classifier": "persian_plate_recognition_v1",
    "execution_time": 49,
    "regno_ai": {
        "length_scores": [
            0,
            0,
            0,
            0,
            0,
            1,
            0,
            0,
            0,
            0,
            0
        ],
        "scores": [
            0.9047,
            0.9088,
            0.9063,
            0.9099,
            0.9062
        ],
        "symbols": [
            "1",
            "2",
            "3",
            "4",
            "5"
        ]
    },
    "regno_ai_score": 0.6144
}

Таблица 32. Поля классификатора persian_plate_recognition_v1

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	persian_plate_recognition_v1
execution_time	int	Время выполнения, мс	0…1000
length_scores	array	Массив из 11 элементов, содержащий вероятности возможного количества символов в ГРЗ. Первый элемент соответствует 0 символам, последний — 10 символам. Сумма всех элементов массива равна 1. Наибольшее значение определяет наиболее вероятное количество символов в ГРЗ.	0.0000…1.0000
scores	array	Оценки точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	array	Массив распознанных символов ГРЗ	0…9; A, B, C, E…
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000

thailand_plate_recognition_v1

Классификатор thailand_plate_recognition_v1 распознает регион принадлежности ГРЗ, символы ГРЗ Таиланда, а также особенности ГРЗ, включая тип.

В ответе возвращаются распознанные символы ГРЗ, регион принадлежности, особенности ГРЗ, оценки точности распознавания каждого символа и особенности, а также общая оценка точности распознавания ГРЗ (Таблица 33).

Полный перечень поддерживаемых форматов ГРЗ содержится в документе «Справочник».

Пример входного изображения показан на Рисунке 29.

Пример входного изображения для классификатора `thailand_plate_recognition_v1`

Пример ответа:

{
  "classifier": "thailand_plate_recognition_v1",
  "execution_time": 20,
  "features": [
    {
      "score": 0.9891,
      "type": "region",
      "value": "Ratchaburi"
    },
    {
      "score": 0.9899,
      "type": "spec_type",
      "value": "private"
    }
  ],
  "regno_ai_score": 0.991,
  "symbol_scores": [
    0.9992,
    0.9937,
    0.9995,
    0.9997,
    0.9993,
    0.9996
  ],
  "symbols": [
    "ก",
    "ก",
    "7",
    "7",
    "4",
    "2"
  ]
}

Таблица 33. Поля классификатора thailand_plate_recognition_v1

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	thailand_plate_recognition_v1
execution_time	int	Время выполнения, мс	0…1000
features	array	Массив, содержащий особенности ГРЗ	region, spec_type
score	float	Оценка точности распознавания особенности ГРЗ	0.0000…1.0000
type	string	Тип особенности ГРЗ	region — регион регистрации; spec_type — формат номера
value	string	Значение особенности ГРЗ	Для region: Ratchaburi, Bangkok, Saraburi, Rayong и др.; Для spec_type: regular — обычные автомобили; bus&truck — грузовики и автобусы; private — частные лица; business — коммерческие ТС; taxi — такси; temporary — дилерские; non-regular — индивидуальные; moto — мотоциклы
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000
symbol_scores	array	Оценки точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	array	Массив распознанных символов ГРЗ	0…9; ก, ข, ค, ฆ…

Точность классификаторов

Точность классификаторов оценивалась на нескольких наборах данных, полученных из различных источников и содержащих изображения, снятые в разных условиях.

Значения точности распознавания атрибутов ТС и ГРЗ представлены в Таблице 34.

Таблица 34. Данные о точности классификаторов

Классификатор	Размер выборки (штук)	Точность (%)
Car_brand_model_v2 (бренд)	410054	99.05
Car_brand_model_v2 (модель)	410054	96.83
detailed_vehicle_color	7881	95.5
vehicle_type	28709	95.91
vehicle_position_v1	73067	78.21
vehicle_orientation_v1	83839	99.21
detailed_vehicle_emergency_v2	96804	Экстренные службы (принадлежность): 99.66; наличие проблескового маячка: 99.29
public_transport_type	62521	96.63
special_transport_type	81051	94.09
vehicle_axles	2670	98.22
rus_plate_recognition_v3	32 647	99.47
grz_country_recognition_v4	558324	99.52
grz_country_recognition_v5	674413	99.37; Индивидуальность: 99.86
uae_plate_recognition_v2	5530	ГРЗ: 99.69; Эмират: 99.17
eu_cis_recognition_v3	272 761	99.51
emirate_recognition_v1	24 844	97.95
grz_uk_asia_recognition_v2	67 266	97.88
chn_plate_recognition_v2	169 448	ГРЗ: 98.94; Тип: 99.78
mng_recognition_v1	3099	98.93
america_plate_recognition_v1	29 089	98.18
persian_plate_recognition_v1	10 502	99.74
thailand_plate_recognition_v1	6755	ГРЗ: 97.99; Тип: 98.99; Регион: 97.14