基于深度學(xué)習(xí)的動(dòng)態(tài)車(chē)牌識(shí)別算法研究

打開(kāi)文本圖片集

摘 要：【目的】針對(duì)當(dāng)下的車(chē)牌識(shí)別系統(tǒng)在復(fù)雜場(chǎng)景條件下的車(chē)牌識(shí)別能力相對(duì)較弱這一問(wèn)題，提出了一種基于YOLOv7和LPRNet改進(jìn)的車(chē)牌識(shí)別算法?！痉椒ā渴紫?，在YOLOv7頭部網(wǎng)絡(luò)中加入全局注意力模板（GAM），以加強(qiáng)對(duì)車(chē)牌區(qū)域的關(guān)注，從而改善車(chē)牌的準(zhǔn)確定位。其次，利用四點(diǎn)透視變換法對(duì)畸形車(chē)牌圖像進(jìn)行校正處理，以提供規(guī)范化和穩(wěn)定的輸入，有助于后續(xù)車(chē)牌識(shí)別的有效進(jìn)行。（剩余7702字）