融合GP-NAS改进的端到端车牌识别算法

针对当前复杂的路况环境影响导致的车牌识别困难问题,提出了基于GP-NAS改进的端到端车牌识别算法,使用YOLOv5s实现车辆车牌位置的精确定位,采用端到端的LPRNet技术对车牌号进行识别;使用GP-NAS方法对YOLOv5s算法进行改进,对YOLOv5s算法采用轻量化设计,修改YOLOv5s的神经网络结构获得了更优的网络模型;在优化的网络结构中加入了LPRNet,对LPRNet超参数组合进行修改.将改进的YOLOv5s算法与LPRNet网络相结合,设计了一种基于YOLOv5s-LPRNet模型的车牌识别系统.在多次训练后,车牌识别模型大小为(1.22+1.73)MB.实验结果表明:车牌识别精准率达到98％以上,实现了对各类车牌号识别的基本要求,降低了模型尺寸,提高了识别精准率.