روشی جهت تشخیص پلاک خودرو با استفاده از YOLOv۳ و مبتنی بر RNN-LSTM

چکیده مقاله

سیستمهای تشخیص پلاک نقش بسیار مهمی در بسیاری از کاربردها مانند مدیریت عوارض، کنترل پارکینگ و مدیریت ترافیک دارند در این مقاله چارچوبی از شبکه های عصبی کانولوشن عمیق برای تشخیص پلاک خودرو ایرانیان پیشنهاد شده است شبکه ی عصبی کانولوشن اول، شبکه YOLOv۳ است که پلاک خودروی ایران را در تصویر ورودی تشخیص میدهد در حالیکه شبکه ی عصبی کانولوشن دوم، یک شبکه RNN LSTM است که کاراکترهای موجود در پلاک شناسایی شده را تشخیص و طبقهبندی میکند مجموعه داده ای از پلاکهای ایرانی متشکل از تصاویر نامطلوب نیز در این مقاله توسعه یافته است شبکه YOLOv۳به درستی۹۹ ۳۲، دقت ۹۹ ۸۶ و نرخ بازیابی ۹۹ ۴۵ دست یافت همچنین، شبکه RNN LSTM بر روی مجموعه داده توسعهیافته آموزش و آزمایش شد و به درستی ۹۹ ۰۳، دقت ۹۹ ۶۹ و نرخ بازیابی ۹۹ ۳۳ دست یافت سیستم پیشنهادی میتواند پلاک خودرو را در موقعیتهای چالش برانگیز مانند داده های ناخواسته روی پلاک تشخیص دهد مقایسه این سیستم با سایر سیستمهای تشخیص پلاک ایرانی نشان میدهد که دقت بالایی دارد و همچنین این سیستم میتواند در محیط باز نیز کار کند

کلیدواژه‌ها

نویسندگان

محسن عصاره طاهری

دانشجوی کارشناسی ارشدگروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، موسسه آموزش عالی کارون، اهواز،ایران

محمد مصلح

دانشیار گروه مهندسی کامپیوتر، گروه مهندسی کامپیوتر، واحد درفول، دانشگاه آزاد اسلامی، دزفول ایران

�صاره طاهری، محسن و مصلح، محمد،1402،روشی جهت تشخیص پلاک خودرو با استفاده از YOLOv۳ و مبتنی بر RNN-LSTM،نوزدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات نوزدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات28 اردیبهشت 1402 · بابل