在不受约束的场景中实时识别和识别车牌的模型
Lingbing Tao1, Shunhe Hong1, Yongxing Lin1,2
1School of Computer Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China.
Sensors (Basel, Switzerland)
|May 11, 2024
概括
这项研究介绍了YOLOv5-PDLPR,这是一种用于识别车辆车牌的新模型. 它实现了准确和快速的实时识别,即使在复杂的环境中.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 汽车车牌识别至关重要,但在自然场景中具有挑战性.
- 当前的方法与复杂的环境作斗争,导致性能下降.
研究的目的:
- 提出一种新且强大的车牌检测和识别模型.
- 为了提高复杂场景中的实时应用程序的准确性和速度.
主要方法:
- 利用YOLOv5进行高效的车牌检测.
- 开发了PDLPR算法,采用多头注意力来识别字符.
- 包含全局特征提取器和并行解码器,以提高性能和效率.
主要成果:
- 与现有算法相比,YOLOv5-PDLPR模型显示出更高的准确性和速度.
- 实现了实时车辆车牌识别功能.
- 在复杂的自然场景图像中表现出高效率和稳健性.
结论:
- 拟议的YOLOv5-PDLPR模型在汽车车牌识别方面取得了重大进展.
- 它为面对环境复杂性的实时应用提供了可靠的解决方案.


