买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：三峡大学

摘要：一种基于Yolov5s网络和CRNN的车牌检测与识别方法。该方法使用基于Yolov5s网络实现对车牌的一个精准检测与定位，通过添加注意力机制，可以增强网络对车牌区域的关注度，使得网络更加准确地定位和检测车牌。这有助于提高车牌检测算法对不同类型车牌的适应性和泛化能力。将精准定位的图像作为CRNN网络的输入，对车牌进行准确的识别。Yolov5s网络相较于原网络在准确性方面提高了4.87%,在AP上提升了6.06%，具有准确性较强，模型尺寸小优点。

主权项：1.一种基于Yolov5s网络和CRNN的车牌检测与识别方法，其特征在于，它包括以下步骤：步骤1：从目标数据集中选取若干照片，并从中获得验证集和训练集；步骤2：对数据集进行清理，之后进行数据增强，采用对图像进行旋转、缩放、裁剪、翻转等操作生成更多的样本，之后对数据进行标注以及格式的转换；步骤3：获得车牌的图像区域，得到车牌的四个角点坐标，然后通过特征点的位置计算透视变换矩阵，得到矫正之后的车牌图片；步骤4：构建Yolov5s网络，将由步骤3获得的经过矫正后的图片通过Yolov5s网络进行精准检测与定位；步骤5：在经过Yolov5s网络的检测与定位之后，将输出图像作为CRNN网络的输入进行车牌的准确识别；步骤6：通过训练好的模型，在测试数据集上对车牌进行定位与识别，通过评价指标评估模型，调整参数；步骤7：对来自步骤6训练好的模型进行充分的测试和调试，确保车牌检测与识别算法在不同场景件下的准确性和稳定性；在步骤4中，所构建的Yolov5s网络如下：backbone特征提取模块的第一层StemBlock1→backbone特征提取模块的第二层C32→backbone特征提取模块的第三层CA3→backbone特征提取模块的第四层DSC4→backbone特征提取模块的第五层C35→backbone特征提取模块的第六层CA6→backbone特征提取模块的第七层DSC7→backbone特征提取模块的第八层C38→backbone特征提取模块的第九层CA9→backbone特征提取模块的第十层DSC10→backbone特征提取模块的第十一层SPP11→backbone特征提取模块的第十二层C312→backbone特征提取模块的第十三层CA13；backbone特征提取模块的第十三层CA13→neck模块的第一层Conv14→neck模块的第二层Upsample15；backbone特征提取模块的第八层C38,neck模块的第二层Upsample15→neck模块的第三层Concat16；neck模块的第三层Concat16→neck模块的第四层C317→neck模块的第五层Conv18→neck模块的第六层Upsample19；backbone特征提取模块的第五层C35,neck模块的第六层Upsample19→neck模块的第七层Concat20；neck模块的第七层Concat20→neck模块的第八层C321→neck模块的第九层Conv22；neck模块的第五层Conv18，neck模块的第九层Conv22→neck模块的第十层Concat23；neck模块的第十层Concat23→neck模块的第十一层C324→neck模块的第十二层Conv25；neck模块的第一层Conv14，neck模块的第十二层Conv25→neck模块的第十三层Concat26→neck模块的第十四层C327；通过以上步骤实现对车牌的检测与定位。

全文数据：

权利要求：

百度查询： 三峡大学 一种基于Yolov5s网络和CRNN的车牌检测与识别方法