基于深度学习的伊朗车牌检测与识别框架
计算机视觉与模式识别
2022-01-19 v1
摘要
车牌识别系统在收费管理、停车控制和交通管理等诸多应用中具有非常重要的作用。本文提出一种基于深度卷积神经网络的伊朗车牌识别框架。第一个CNN为YOLOv3网络，用于检测输入图像中的伊朗车牌；第二个CNN为Faster R-CNN，用于识别并分类所检测车牌中的字符。本文还构建了一个包含病态条件图像的伊朗车牌数据集。YOLOv3网络达到了99.6%的mAP、98.26%的召回率、98.08%的准确率，且平均检测速度仅为23ms。此外，Faster R-CNN网络在所构建数据集上训练与测试，达到了98.97%的召回率、99.9%的精确率和98.8%的准确率。所提系统能在车牌上有无关数据等挑战性情形下识别车牌。与其他伊朗车牌识别系统相比，该系统更快、更准，且可在开放环境中工作。
引用
@article{arxiv.2201.06825,
title = {Deep Learning Based Framework for Iranian License Plate Detection and Recognition},
author = {Mojtaba Shahidi Zandi and Roozbeh Rajabi},
journal= {arXiv preprint arXiv:2201.06825},
year = {2022}
}
备注
20 pages, journal