2018_IJCNN_A Robust Real-Time Automatic License Plate Recognition Based on the YOLO Detector
做英文车牌识别的文章, 主要开源了作者标注的真实场景的数据集UFPR-ALPR, 4500张.
算法: YOLO检测车辆 -> yolo检测车牌 -> CNN分割字符 ->字符识别,在作者自己的数据集上识别只有78.3%, 可以看出识别率不高
本文的创新点不足, 所以才是C类, 模型上没有新的贡献和改进. 不过通过分割单字符解决了单行双行车牌识别的问题.
2017_AXIV_Towards end-to-end car license plates detection and recognition with deep neural networks
模型为VGG提取特征, 通过RPN网络, 和ROI池化,获取候选特征,对候选特征同时进行车牌检测和车牌识别. 端到端的训练
创新点, 加入了RPN网络,修改为适用车牌识别的结构, 识别部分加入了biLstm.
由于有RPN网络和bilstm, 所以最大的缺点是预测的速度很慢, 最快300ms/per image
2017_BMVC_A CNN-Based Approach for Automatic License Plate Recognition in the Wild
小车牌识别:
2018_axiv_LPRNet: License Plate Recognition via