基于深度可分离卷积网络的端到端高精度车牌识别
计算机视觉与模式识别
2022-02-22 v1 机器学习
摘要
自动车牌识别在现代交通系统中起着关键作用，如交通监控与车辆违章检测。在真实场景中，车牌识别仍面临诸多挑战，并受天气或光照条件等不可预测干扰的影响。近年来许多基于机器学习的ALPR方案被提出以应对此类挑战。然而，大多数缺乏说服力，要么因其结果在缺乏多样环境的小规模或简单数据集上评估，要么因其需要强大硬件以在真实应用中达到合理的每秒帧数。本文提出一种无分割的车牌识别新框架，并引入NP-ALPR，一个类似真实场景的多样且具挑战性的数据集。所提网络模型结合了最新深度学习方法与前沿思想，并受益于一种新颖网络架构。其以低于以往工作的计算需求实现了更高精度。我们在三个不同数据集上评估所提方法的有效性，显示出超过99%的识别精度与超过70 fps，表明我们的方法不仅鲁棒而且计算高效。
引用
@article{arxiv.2202.10277,
title = {End-to-End High Accuracy License Plate Recognition Based on Depthwise Separable Convolution Networks},
author = {Song-Ren Wang and Hong-Yang Shih and Zheng-Yi Shen and Wen-Kai Tai},
journal= {arXiv preprint arXiv:2202.10277},
year = {2022}
}