مقایسه دقت الگوریتم های تشخیص پلاک خودرو مبتنی بر شبکه عصبی هافیلد و LSTM-RNN

تشخیص پلاک خودرو یکی از حوزههای مهم در زمینه پردازش تصویر است که به واسطه اهمیت زیادی که در کنترل ترافیک ، افزایش امنیت و مدیریت مالیات پیدا کرده، توجه زیادی را به خود جلب کرده است . هدف اصلی این مقاله ارائه یک روش مناسب برای تشخیص پلاک خودرو با دقت و کارایی بالا است . این روش قابل استفاده در موارد گوناگونی از جمله کنترل ترافیک ، افزایش سطح امنیت و مدیریت مالیات می باشد. در ابتدا، مقاله با مروری بر مفاهیم و اصول نظری مرتبط با تشخیص پلاک خودرو شروع می شود. سپس ، روشهای مختلف موجود در این زمینه به دقت مورد بررسی قرار می گیرند. در ادامه ، دو روش تشخیص پلاک خودرو معرفی شدهاند: یک روش با استفاده از تکنیک لبه یابی و شبکه عصبی هافیلد، و یک روش دیگر با استفاده از ۳YOLOv مبتنی بر. LSTM-RNN نتایج به دست آمده از ارزیابی نشان می دهند که روش ۳YOLOv مبتنی بر LSTM-RNN بهترین عملکرد را از نظر دقت ارائه می دهد. این روش با دقت بالا، قادر به شناسایی پلاکهای خودرو در تصاویر مختلف با شرایط گوناگون و متنوع می باشد. این مقاله می تواند در زمینه تشخیص پلاک خودرو و بهینه سازی عملکرد الگوریتم ها مورد استفاده قرار گیرد.

کلیدواژه ها:

تشخیص پلاک خودرو ، پردازش تصویر ، شبکه عصبی ، YOLOv۳