基于样本扩充的小样本车牌识别

车牌识别技术作为智能交通系统的核心课题之一,一直受到广泛的关注. 近年来深度学习技术的迅速发展,更是为其提供了一种良好的解决方案. 但实际场景下,研究者有时很难收集到足够的数据以支持模型训练. 本文聚焦于小样本车牌识别问题,提出了使用生成对抗网络生成车牌图像,辅助后续模型训练的方法. 本文方法先使用CycleWGAN合成大量带标签车牌图像; 之后用合成图像对识别模型进行预训练; 最后使用原始真实数据微调模型,进一步提高模型的准确率. 本文在多个数据集上验证此方法,均获得了明显的效果增益,特别是当真实数据相对有限时,本文方法将准确率从已经较高的基线上又提升了7.5%. 另外,在较困难的双动态车牌图像上,本文方法也取得了不俗的效果. 最后,引入模型压缩技术,在原方法的基础上设计并实现了LightRCNN,使识别速度提升近1倍