Un estudio técnico de WINK Streaming revela que la superresolución neuronal no mejora el reconocimiento de matrículas automotrices. Los investigadores probaron tres tuberias: OCR sin SR, un modelo SR compacto de 42K parametros y Real-ESRGAN de 1.21M parametros, sobre 2.000 recortes de matriculas menores a 100 pixels de ancho. Los resultados mostraron 0% de coincidencia exacta y 0.4% de precision de caracteres en todos los casos, sin diferencia entre los pipeline. El problema radica en que los caracteres en recortes menores a 100px tienen entre 4 y 5 pixels de ancho, lo cual no contiene informacion legible. El modelo SR solo genera caracteres alucinatorios que parecen plausibles pero son incorrectos, contaminando el sistema de votacion multiple. El sistema alcanza 98.6% de precision global mediante votacion de multiples recortes (15 a 20 por vehiculo), donde los recortes claros de 100-200px dominan sobre los pequenos ilegibles. El estudio concluye que la literatura academica confirma que se necesitan entre 1.5M y 7.5M de parametros para que SR sea efectivo, y que la funcion de perdida utilizada es insuficiente.
Estudio técnico revela que la superresolución neuronal no mejora el reconocimiento de matrículas
