【读文献】License Plate Detection and Recognition in Unconstrained Scenarios（2018年ECCV）

最新推荐文章于 2025-06-03 10:21:35 发布

Emma_y

最新推荐文章于 2025-06-03 10:21:35 发布

阅读量2.1k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：数字图像处理文本识别文章标签：人工智能

本文链接：https://blog.youkuaiyun.com/weixin_37874357/article/details/104182884

该博客介绍了2018年ECCV上的一项研究，针对倾斜车牌的自动车牌识别（ALPR）问题。研究提出了一种名为WPOD-NET的新颖CNN，能检测并校正多个失真的车牌。实验表明，WPOD-NET在具有挑战性的倾斜车牌数据集上的性能优于其他商业和学术系统，而且合成数据的使用显著提升了网络的泛化能力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

【读文献】License Plate Detection and Recognition in Unconstrained Scenarios（2018年ECCV）

参考文章链接：https://blog.youkuaiyun.com/cdknight_happy/article/details/93190934
一、实验背景
ALPR（自动车牌识别）领域大多数方法集中在LP特定地区（如欧洲、美国、台湾、巴西等），且常聚焦在近似正面图像的数据。
本论文主要解决倾斜角度下的ALPR问题，专注无约束的场景。本论文中引入了一种新颖的CNN——WPOD-NET（变形平面目标检测网络），该网络能够在单个图像中检测和校正多个失真的车牌。
本论文
二、实验过程及结论
1.实验流程图
ALPR主要分为四个步骤：车辆检测、车牌检测、字符分割和字符识别。后两步组合为OCR（位于文章 2Ralated Work第一段）
在这里插入图片描述
2.实验条件
系统环境：
WPOD-NET：使用TensorFlow框架实现；
YoloV2车辆检测、OCR-NET：使用DarkNet框架创建和执行。
硬件条件：
Interl Xeon处理器，12GB RAM；NVIDIA Titan X GPU。