基于改进YOLOv8和LPRNet的车牌识别算法

摘要

车牌定位检测与识别是实现智能交通系统的关键技术之一。为解决传统方法定位不准确、识别率低的问题，提出一种基于改进YOLOv8和轻量级识别网络LPRNet的车牌识别算法。在YOLOv8网络架构中增加卷积块注意力模块(convolutional block attention module, CBAM),通过特征融合提升目标检测的准确率；在LPRNet中加入多头自注意力(multi head self attention, MHSA)机制，增强网络的特征提取能力；在识别网络模型的训练阶段引入对抗训练，增强模型的泛化能力和鲁棒性。在CCPD数据集上的实验结果表明，本文算法对车牌检测的平均精度均值(mAP@0.5)达到98.7%,车牌识别准确率达到97.21%,均优于其他同类主流算法。

关键词

车牌识别 / YOLOv8 / LPRNet / 对抗训练

基金资助

辽宁省教育厅高等学校基本科研项目(LJKZ0275); 沈阳市中青年科技创新人才支持计划项目(RC210247)