基于ConvNet-RNN的无分割车牌识别
计算机视觉与模式识别
2017-01-24 v1
摘要
虽然车牌识别（VLPR）通常采用滑动窗口方法，但在字符宽度可变的数据集上性能有限。这可以通过手工设计算法预缩放字符来解决。虽然这种方法效果尚可，但识别器仅感知每个检测窗口内的像素，无法利用图像其他部分可能存在的上下文信息。滑动窗口方法还需要预分割字符形式的训练数据，这更难获取。本文提出了一种统一的ConvNet-RNN模型来识别真实拍摄的车牌照片。通过使用卷积神经网络（ConvNet）进行特征提取，使用循环神经网络（RNN）进行序列建模，我们解决了滑动窗口方法无法访问整幅图像上下文的问题，方法是将整幅图像作为输入送入ConvNet。这还有一个额外好处：能够在标注的完整车牌图像上对整个模型进行端到端训练。实验结果表明，ConvNet-RNN架构比基于滑动窗口的方法表现显著更好。
引用
@article{arxiv.1701.06439,
title = {Segmentation-free Vehicle License Plate Recognition using ConvNet-RNN},
author = {Teik Koon Cheang and Yong Shean Chong and Yong Haur Tay},
journal= {arXiv preprint arXiv:1701.06439},
year = {2017}
}
备注
5 pages, 3 figures, International Workshop on Advanced Image Technology, January, 8-10, 2017. Penang, Malaysia. Proceeding IWAIT2017