基于卷积神经网络的多语言车牌检测
计算机视觉与模式识别
2020-08-19 v1
摘要
目标检测是近期技术研究的热门领域。近年来，深度学习的性能吸引研究者将其用于诸多应用。车牌（NP）检测与分类已被分析数十年，然而由于汽车如今轻易地跨州流动，其需要更精确且独立于州、语言和设计的方案。本文我们提出一种新策略以检测 NP 并识别 NP 的国别、语言与版式。提出以 ResNet 特征提取器为核心、带 YOLOv2 检测头的方案用于 NP 检测，并建议一种全新的卷积神经网络架构用于 NP 分类。该检测器达到 99.57% 的平均精度以及 99.33% 的国别、语言与版式分类精度。结果优于以往大多数工作，并可推动该领域迈向国际车牌检测与识别。
引用
@article{arxiv.2008.08023,
title = {Multilanguage Number Plate Detection using Convolutional Neural Networks},
author = {Jatin Gupta and Vandana Saini and Kamaldeep Garg},
journal= {arXiv preprint arXiv:2008.08023},
year = {2020}
}