一种结合生成对抗网络与 You Only Look Once 算法的自动车牌识别新混合模型
计算机视觉与模式识别
2025-09-09 v1
摘要
自动车牌识别（ALPR）作为智慧城市的基本要素，在智能交通系统（ITS）中发挥着关键作用。然而，由于其高度的可变性，ALPR 面临的挑战性问题通过深度学习技术可以更高效地解决。本文提出了一种选择性生成对抗网络（GAN）用于预处理阶段的去模糊，并结合了最先进的 You-Only-Look-Once (YOLO)v5 目标检测架构进行车牌检测（LPD），以及集成的字符分割（CS）和字符识别（CR）步骤。选择性预处理绕过了不必要且有时适得其反的输入操作，而 YOLOv5 LPD/CS+CR 则提供了高精度和低计算成本。结果，YOLOv5 在 LP 和 CR 检测阶段均实现了 0.026 秒的检测时间，促进了具有极快响应速度的实时应用。此外，所提出的模型在 LPD 和 CR 检测阶段分别达到了 95% 和 97% 的准确率。进一步地，加入 Deblur-GAN 预处理器显著提高了近 40% 的检测准确率，尤其是在遇到模糊车牌（LP）时。为了训练和测试学习组件，我们生成并公开发布了我们的模糊和 ALPR 数据集（以伊朗车牌为用例），这些数据集更能代表接近现实生活的临时情况。研究结果表明，采用最先进的 YOLO 模型可带来出色的整体精度和检测时间，使其非常适合便携式应用。此外，将 Deblur-GAN 模型作为预处理步骤集成进来，增强了我们综合模型的整体有效性，特别是在面对相机捕获的模糊场景作为输入时。
引用
@article{arxiv.2509.06868,
title = {A New Hybrid Model of Generative Adversarial Network and You Only Look Once Algorithm for Automatic License-Plate Recognition},
author = {Behnoud Shafiezadeh and Amir Mashmool and Farshad Eshghi and Manoochehr Kelarestaghi},
journal= {arXiv preprint arXiv:2509.06868},
year = {2025}
}