典型文献
基于改进的Yolov5的端到端车牌识别算法
文献摘要：
针对当前车牌识别算法对于小尺寸车牌识别率较低的问题,本文做出以下改进:在车牌定位阶段,在主干网络中加入金字塔分割注意力机制(EPSA),并引入α-CIoU损失函数,再通过增加网络的检测尺度,以提高车牌定位精度.在车牌识别阶段,利用车牌模拟实现中文数据增强.实验验证,改进的车牌定位方法准确率达到98.8％,模型大小为14.9MB;车牌识别的准确率达到96.5％,识别的模型大小为7.1MB;而且改进后算法,内存占比小,可靠性强,可以应对复杂背景的下车牌识别.
文献关键词：
车牌检测;深度学习;注意力机制;Yolov5
中图分类号：
作者姓名：
蔡先治;王栋;鲁旭葆;苗泽宇
作者机构：
山东科技大学测绘与空间信息学院,山东 青岛 266590
文献出处：
引用格式：
[1]蔡先治;王栋;鲁旭葆;苗泽宇-.基于改进的Yolov5的端到端车牌识别算法)[J].计算机时代,2022(12):28-33
A类：
EPSA,9MB,1MB
B类：
Yolov5,端到端,车牌识别,识别算法,前车,小尺寸,识别率,车牌定位,位阶,主干网络,金字塔,分割注意力,注意力机制,CIoU,损失函数,检测尺度,高车,定位精度,用车,中文数据,数据增强,定位方法,复杂背景,下车,车牌检测
AB值：
0.364043
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
