论文: LPRNet: License Plate Recognition via Deep Neural Networks
Github:https://github.com/sirius-ai/LPRNet_Pytorch
论文提出了一种车牌识别算法,LPRNet,即 License Plate Recognition Network,也就是车牌识别网络。该网络本质还是crnn的轻量化的修改。使用的损失函数还是ctc loss,最终取得了95%的准确性,在1080显卡上达到3ms每张的速度,在 i7-6700K CPU上达到1.3ms每张的速度。
论文贡献:
- LPRNet是一个实时的高质量的,支持可变长车牌的,车牌识别网络结构。该结构不需要预先进行车牌字符分割,完全可以端到端的训练。
- LPRNet没有使用rnn网络结构,足够的轻量化,可以在各种嵌入式平台上跑。
- 通过视频测试,LPRNet具有足够好的鲁棒性,不会受各种相机参数,视角,光照等的影响。
网络结构:
网络输入图片大小为94*24,网络最后使用一个1*13的卷积来替代原始crnn中的lstm。网络最终还是采用ctc loss进行训练。测试阶段,采用 greedy search或者beam search的解码方法,greedy search挑选每个预测位置的最大概率的预测结果进行解码,beam search挑选整个预测序列的最大概率进行解码。
实验结果: