TransLPRNet：单/双行中文车牌识别的轻量级视觉语言网络
计算机视觉与模式识别
2025-07-24 v1 计算与语言
摘要
车牌识别在开放环境中广泛应用于多个领域，但车牌类型多样和图像采集条件复杂 presents 诸多挑战。为解决 CNN 和 CRNN 类方法在车牌识别中遇到的局限性，本文提出了一种统一解决方案，将轻量级视觉编码器与文本解码器集成于针对单行和双行中文车牌的预训练框架中。为缓解双行车牌数据稀缺问题，我们构建了一个由合成图像、纹理映射至真实场景并与真实车牌图像混合的单/双行车牌数据集。此外，为提高系统识别准确率，我们引入了透视校正网络（PTN），该网络以车牌角点坐标回归作为隐式变量，由车牌视角分类信息监督。该网络具有良好的稳定性、可解释性以及低标注成本。所提出的算法在粗定位扰动下的校正 CCPD 测试集上实现 99.34% 的平均识别准确率；在细定位扰动下，准确率进一步提升至 99.58%。在双行车牌测试集上，实现 98.70% 的平均识别准确率，处理速度可达每秒 167 帧，显示出强大的实际应用前景。
引用
@article{arxiv.2507.17335,
title = {TransLPRNet: Lite Vision-Language Network for Single/Dual-line Chinese License Plate Recognition},
author = {Guangzhu Xu and Zhi Ke and Pengcheng Zuo and Bangjun Lei},
journal= {arXiv preprint arXiv:2507.17335},
year = {2025}
}