张继凯,周亚辉,梁勇,柴轶凡

• 1:内蒙古科技大学信息工程学院

• 2:内蒙古科技大学材料与冶金学院

• 
  

摘要(Abstract)：

为解决车号罐号识别中因环境恶劣、字符较小导致的准确率偏低且实时性较差等问题，提出一种基于改进YOLOv5的轻量级检测方法.首先通过二阶段检测并增加小目标检测层，进一步采用大尺寸图像输入和数据均衡方法，提升模型检测效果；其次在骨干网络的最后一层引入CA坐标注意力，并制作掩码实现感兴趣区域检测，提升复杂场景下的车号字符检测精度.最后，通过采用GhostNet模块替换骨干网络模块，使模型进一步轻量化.实验结果表明：YOLO-MGCA模型，相较于基线模型map提高了1.4%,模型精度增加了3%,模型参数量减少了40%.

关键词(KeyWords)： 号码识别;YOLOv5;轻量级目标检测;感兴趣区域

基金项目(Foundation): 国家自然科学基金资助项目(51904161);; 内蒙古自治区自然科学基金资助项目(2019BS06005);; 内蒙古自治区高等学校科学研究资助项目(NJZY20095);; 内蒙古自治区科技计划资助项目(2019GG138)

作者(Author): 张继凯,周亚辉,梁勇,柴轶凡

DOI: 10.16559/j.cnki.2095-2295.2023.03.012