针对现有车牌识别技术效率低、鲁棒性差、识别精度不高等问题,文章提出了一种高精度实时环境下车牌检测和识别的端到端深度学习模型。首先,在 YOLOv5 网络层的下采样过程中加入了改进的通道注意力机制,该机制加入了位置信息,减少了采样带来的信息损失,提高了模型的特征提取能力;其次,基于 LSTM + CTC 的组合构建识别网络,完成车牌的无字符分割识别工作,大大减少了训练周期,提高了模型的识别精度和效率。文章在中国城市停车数据集(CCPD)上进行了大量实验,结果表明,文中提出的车牌识别改进模型平均识别精度达到了 98.03%,明显优于传统的车牌识别技术,且在复杂环境识别效果良好,具有较强的鲁棒性。
猜您喜欢
推荐内容
开源项目推荐 更多
热门活动
热门器件
用户搜过
随便看看
热门下载
热门文章
热门标签
评论