使用可靠的深度学习方法进行伊朗车牌识别
计算机视觉与模式识别
2023-05-04 v1 机器学习
摘要
自动车牌识别(ALPR)问题一直是近年来最具挑战性的问题之一。天气条件、相机视角、光照条件、车牌上书写的不同字符以及许多其他因素都是ALPR问题的挑战。鉴于近年来深度神经网络领域的进展,某些类型的神经网络及基于它们的模型可用于执行伊朗车牌识别任务。本文提出的方法中,车牌识别分两步完成。第一步是从输入图像中检测车牌矩形。第二步,将这些车牌从图像中裁剪出来并识别其字符。第一步使用了3065张含车牌的图像,第二步使用了3364张含车牌字符的图像,作为所需数据集。第一步使用基于卷积神经网络(CNN)的YOLOv4-tiny模型检测车牌。下一步,使用卷积循环神经网络(CRNN)和连接时序分类(CTC)识别这些车牌的字符。第二步无需单独分割和标注字符,仅需一个由数字和字母组成的字符串作为标签即可。
引用
@article{arxiv.2305.02292,
title = {Iranian License Plate Recognition Using a Reliable Deep Learning Approach},
author = {Soheila Hatami and Majid Sadedel and Farideh Jamali},
journal= {arXiv preprint arXiv:2305.02292},
year = {2023}
}
备注
Under Review in Scientia Iranica Journal