车牌识别之LPRNet

论文： LPRNet: License Plate Recognition via Deep Neural Networks

Github：https://github.com/sirius-ai/LPRNet_Pytorch

论文提出了一种车牌识别算法，LPRNet，即 License Plate Recognition Network，也就是车牌识别网络。该网络本质还是crnn的轻量化的修改。使用的损失函数还是ctc loss，最终取得了95%的准确性，在1080显卡上达到3ms每张的速度，在 i7-6700K CPU上达到1.3ms每张的速度。

论文贡献：

1. LPRNet是一个实时的高质量的，支持可变长车牌的，车牌识别网络结构。该结构不需要预先进行车牌字符分割，完全可以端到端的训练。
2. LPRNet没有使用rnn网络结构，足够的轻量化，可以在各种嵌入式平台上跑。
3. 通过视频测试，LPRNet具有足够好的鲁棒性，不会受各种相机参数，视角，光照等的影响。

网络结构：

 

网络输入图片大小为94*24，网络最后使用一个1*13的卷积来替代原始crnn中的lstm。网络最终还是采用ctc loss进行训练。测试阶段，采用 greedy search或者beam search的解码方法，greedy search挑选每个预测位置的最大概率的预测结果进行解码，beam search挑选整个预测序列的最大概率进行解码。

实验结果：