| 标题 |
基于改进YOLOv8与LPRNet的实时车牌识别算法研究 |
| 网址 | |
| DOI | |
| 其它 |
基于改进YOLOv8与LPRNet的实时车牌识别算法研究 徐澳谱 湖北大学 摘要:随着城市化进程的不断推进和汽车数量的持续增加,交通管理的复杂性与挑战性日益增加,促使人们对车牌识别技术进行了深入研究。尽管深度学习技术在提升车牌识别性能方面取得了显著成果,但仍然面临着一些挑战。例如,复杂的光照条件、恶劣的天气环境、车辆高速运动等因素都会影响到车牌图像的质量和识别效果。因此,如何提高车牌识别技术在复杂环境下的稳定性和鲁棒性,仍然是当前研究的重点和挑战之一。针对实时车牌识别在复杂环境下的问题,本文以深度学习技术为基础展开了如下研究: 1.为了解决现有车牌数据集场景偏向性、标注不准确、样本不均衡等问题,探讨了中国车牌的特点并制作了新的中国车牌数据集CNLP(Chinese license plates),为实验提供了更全面、准确、均衡的车牌图像数据。 2.基于目标检测模型YOLOv8为基础框架提出AC-YOLO进行车牌定位检测,引入渐近特征金字塔网络AFPN(Asymmetric Feature Pyramid Network)至YOLOv8可使模型利用不同抽象层次提取的特征,从而提升对不同尺寸的目标检测性能。同时,引入了坐标注意力机制CA(Coordinate Attent... 更多 关键词:YOLOv8模型;LRPNet网络;车牌定位;字符识别; 专辑:工程科技Ⅱ辑;信息科技 专题:公路与水路运输;计算机软件及计算机应用;自动化技术 DOI:10.27130/d.cnki.ghubu.2024.001570 分类号:U495;TP183;TP391.41 导师:梁俊杰 学科专业:电子信息-计算机技术(专业学位) |
| 求助人 | |
| 下载 |