首页|融合GP-NAS改进的端到端车牌识别算法

融合GP-NAS改进的端到端车牌识别算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
针对当前复杂的路况环境影响导致的车牌识别困难问题,提出了基于GP-NAS改进的端到端车牌识别算法,使用YOLOv5s实现车辆车牌位置的精确定位,采用端到端的LPRNet技术对车牌号进行识别;使用GP-NAS方法对YOLOv5s算法进行改进,对YOLOv5s算法采用轻量化设计,修改YOLOv5s的神经网络结构获得了更优的网络模型;在优化的网络结构中加入了LPRNet,对LPRNet超参数组合进行修改.将改进的YOLOv5s算法与LPRNet网络相结合,设计了一种基于YOLOv5s-LPRNet模型的车牌识别系统.在多次训练后,车牌识别模型大小为(1.22+1.73)MB.实验结果表明:车牌识别精准率达到98％以上,实现了对各类车牌号识别的基本要求,降低了模型尺寸,提高了识别精准率.
Improved end-to-end license plate recognition based on GP-NAS

GP-NASYOLOv5LPRNetlicense plate positioninglicense plate recognition

王峰、唐志瑞、邹俊逸、王海波、邢广兴

展开 >

武汉科技大学 汽车与交通工程学院, 武汉 430081

宁夏警官职业学院 信息管理学院, 银川 750001

长安福特汽车有限公司, 重庆 400023

GP-NAS YOLOv5 LPRNet 车牌定位 车牌识别

国家自然科学基金

52202480

2023

10.3969/j.issn.1674-8425(z).2023.10.005

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2023.37(19)
  • 10