基于深度学习的非约束场景多车牌识别方法研究 |
| |
引用本文: | 张振威,王红成.基于深度学习的非约束场景多车牌识别方法研究[J].东莞理工学院学报,2024(1):20-27. |
| |
作者姓名: | 张振威 王红成 |
| |
作者单位: | 1. 东莞理工学院电信工程与智能化学院;2. 东莞理工学院计算机科学与技术学院 |
| |
摘 要: | 为解决非约束场景下的车牌识别精度问题,提出一种能够适应非约束场景并识别不同类型单车牌以及多车牌的自动车牌识别模型。该模型应用数据迁移技术,通过YOLOv5检测车辆并通过后处理筛选有效车辆目标,经检测并矫正后,通过ResNet18以及双向长短期记忆网络BLSTM网络结合连接时序分类损失CTC识别车牌字符。在模型训练过程中使用数据增强技术进一步提高了模型性能。该模型在CCPD以及AOLP的多个子数据集上进行了测试,展现出了优于其它方法识别精度和识别速度。
|
关 键 词: | 车牌识别 非约束场景 深度学习 数据增强 多车牌 |
|
|