来源：期刊VIP网 时间：
作者：曹竣奥;杨维明;罗雨婷;潘能源;张伟;
单位：湖北大学人工智能学院;
摘要：针对常规车牌识别算法难以进行不同长度的车牌字符识别以及运算量较大的问题，设计一种改进的轻量化YOLOv5s+CRNN算法以实现车牌识别。首先，对YOLOv5s模型进行轻量级设计优化，采用PP-LCNet网络来取代YOLOv5s的原始骨干网络，同时在Neck部分引入轻量级卷积结构DWConv以及一次性聚合VoV-GSCSP模块。实验结果显示，改进后的模型与原模型相比，在mAP值几乎不变的前提下，参数量降低了50.99%，而检测速度提升了27.92%。然后引入轻量级卷积结构GSConv对CRNN进行轻量化优化。优化实验结果显示，改进后的模型与原模型相比，参数量降低了约48%，平均单张图像的检测时间大约为30 ms，比原算法提升约32%。最后将改进的模型进行组合，改进后的YOLOv5s+CRNN模型平均精度均值（mAP）达到了77.6%，比改进前提升了约0.6%，字符识别的准确度降低了约0.44%，并且参数量降低了50.7%，检测速度达到了142 f/s，获得了良好的车牌识别效果。
关键词：深度学习;;车牌识别;;YOLOv5s;;CRNN;;PP-LCNet;;轻量化设计
