Для решения проблем низкой точности и пропусков при распознавании номерных знаков в условиях тумана предложен метод распознавания номеров автомобильных номеров в туманных условиях на основе глубокого обучения. Сначала с помощью алгоритма AOD-Net проводится предварительная обработка изображений транспортных средств для удаления тумана. Затем, на базе сети YOLOv5 разработана сеть обнаружения номерных знаков ACG_YOLOv5s. В ACG_YOLOv5s интегрирован механизм внимания CBAM для повышения устойчивости модели к помехам; введена адаптивная сеть слияния признаков ASFF, которая присваивает разным уровням признаков различные веса, адаптируясь к изученным модели параметрам, чтобы подчеркнуть важную информацию; традиционная свертка заменена модулем Ghost, что позволяет уменьшить количество параметров при сохранении эффективности модели. Наконец, обнаруженные изображения номерных знаков распознаются с помощью LPRNet. Экспериментальные результаты показывают, что улучшенная сеть ACG_YOLOv5s достигает точности обнаружения номерных знаков 99.6%, а LPRNet – точности распознавания 96% при низком потреблении памяти. Эксперименты подтверждают, что сочетание алгоритмов AOD-Net и YOLO эффективно улучшает обнаружение номеров на изображениях в туманных условиях.

распознавание номеров;алгоритм AOD-Net;сеть YOLOv5;механизм внимания