基于深度学习的车牌识别系统设计
针对当前车牌识别系统在面对异常天气、光线变换和不同车牌等场景下识别效率低和准确率不高的问题,可利用深度学习策略开展车牌识别系统设计,以提高识别率和准确率.在车牌定位阶段利用YOLOv5s网络结构进行精确定位,再通过CRNN网络模型对车牌进行准确识别,构建出基于深度学习的车牌识别系统,充分体现深度学习在不同场景下的优势和性能.实验测试结果表明车牌定位检测模型准确率达到98.6%,车牌识别模型对6字符车牌的识别准确率达到97.6%,对7字符车牌识别率达到93.7%,在不同光线条件和车牌倾斜条件下也能精确识别,达到设计目标.
深度学习、YOLOv5s、神经网络、车牌识别、CRNN
19
TP391(计算技术、计算机技术)
西南民族大学大学生创新创业训练计划项目S202210656065
2023-07-06（万方平台首次上网日期，不代表论文的发表时间）
共3页
21-23
