典型文献
基于改进YOLO v5的非限定条件下车牌检测算法研究
文献摘要：
深度学习是机器学习最新的研究方向,实践证明在OCR和Object Detection算法上采用深度学习算法精度更高、鲁棒性更好.利用深度学习进行车牌识别的过程主要分为车牌检测、车牌识别两大阶段.在非限制条件下,如光线、天气等因素造成的干扰,识别准确率仍是一项具有挑战性的研究工作,文章提出一种基于改进YOLO v5的算法,实现车牌快速定位,并通过实验进行论证,结果表明能够有效提高车牌检测的检测精度和速度.
文献关键词：
深度学习;YOLO;DBSCAN;CCPD;车牌检测
中图分类号：
作者姓名：
贝新林
作者机构：
亚信科技(中国)有限公司,江苏 南京 210000
文献出处：
引用格式：
[1]贝新林-.基于改进YOLO v5的非限定条件下车牌检测算法研究)[J].数字通信世界,2022(06):20-22
A类：
B类：
YOLO,v5,限定条件,下车,车牌检测,检测算法,算法研究,OCR,Object,Detection,深度学习算法,车牌识别,限制条件,光线,识别准确率,快速定位,高车,检测精度,DBSCAN,CCPD
AB值：
0.406349
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。
