OpenVINO车牌识别网络详解

LRPNet网络介绍

英特尔在OpenVINO模型加速库中设计了一个全新的车牌识别模型用于识别各种车牌包括中文车牌识别，其中在BITVehicle数据集上对中文车牌的识别准确率高达95%以上。官方发布的OpenVINO支持预训练模型中已经包含了LRPNet模型，可以用于实时的车牌识别。

英特尔自己说该网络是第一个实时车牌识别的纯卷积神经网络(没有用RNN)，在CoreTMi7-6700K CPU上1.3ms可以检测一张车牌(图像大小1920x1080)，我测试了一下貌似没有这么快，但是绝对是实时，前面也写过一遍文章关于OpenVINO中LRPNet的使用。链接如下：

OpenVINO系列文章

系列 | OpenVINO视觉加速库使用四

系列 | OpenVINO视觉加速库使用七

详解OpenCV卷积滤波之边缘处理与锚定输出

网络设计与结构

LRPNet是一种可以实现端到端训练、无需预分割再识别的轻量级卷积网络。该方法避免了传统方法两步走(先分割再识别)。把图像作为一个整体输入到卷积神经网络中去，然后直接产生识别的字符序列。选择了SqueezeNet与Inception Blocks低浮点数计算模型作为基础CNN网络，使用BN与Dropout对网络进行正则化。整个LRPNet网络模型设计关键点如下：

- 使用空间转换网络优化输入（可选）

- 轻量级的基础网络(SqueezeNet)

- 按位置的字符分类

- 概率输出(序列解码准备)

- Post过滤

空间转换层

LocNet网络结构

Back-Bone网络架构

网络训练时候各种优化方法对最终精度的影响

网络在BITVehicle测试集上测试结果

预训练模型下载地址：

https://github.com/opencv/open_model_zoo/blob/master/intel_models/index.md