论文背景

《LPRNet:基于深度神经网络的车牌识别》作者来自Intel，提出了一种无需字符分割、端到端、实时运行的轻量级卷积神经网络LPRNet。

论文核心贡献

• 首创无RNN的实时车牌识别：LPRNet首次证明了可以不依赖循环神经网络（RNN/LSTM），仅用全卷积网络（FCN）实现端到端车牌识别，极大降低了计算复杂度（单次推理仅0.34 GFLOPs）。
• 支持变长车牌：通过CTC Loss直接处理不定长字符序列，无需固定车牌长度，适用于各国不同格式-车牌（特别是字符复杂的中国车牌）。
• 高准确率+实时性能：在中国车牌数据集上达到95%准确率，在Intel i7-6700K CPU上仅需1.3ms/张，GTX 1080 GPU上仅需3ms/张。

模型主干

1. Backbone网络

• 输入：94×24像素的RGB车牌图像
• 首先，输入图像会经过空间变换器层的预处理该步骤虽非必需，但有助于探索如何对输入图像进行变换以提升其识别特征。为确定最优变换参数，采用了原始LocNet 架构。

• 核心模块：Small Basic Block

• 

• 完整Backbone网络

  

  最后的1×13宽卷积直接捕捉字符横向上下文，替代了LSTM的功能。

1. 全局上下文嵌入（Global Context）

• 对Backbone输出做全局平均池化 → 全连接层 → 得到全局特征向量
• 将该向量平铺并拼接到每个空间位置的特征图上
• 类似ParseNet的思想，弥补局部感受野的不足

1. CTC Loss

• 解决的问题：
  长度不匹配：输入图像宽度不固定（如车牌变形、拍摄距离变化），但输出字符序列长度恒为7位
  无需字符分割：传统方法需要先定位7个字符区域再分别识别，LPRNet通过CNN直接提取整个车牌特征图，每列对应一个时间步
  重复字符处理：车牌中可能出现"AA"、"11"这种连续相同字符，CTC通过blank符号，考虑所有可能的字符对齐方式，最大化目标字符串的总概率，避免解码歧义
• 例子
  使用了blank符号，将下图为例
  在解码端，相同的字符进行合并，如果说输出的长度是[]京[]FF[]A[]9[]11[]5[]22[]，就会等同于上面的京FA9152
  推理：使用Greedy Search或Beam Search

1. 可选的STN空间变换网络
   LocNet预测6个仿射变换参数，对输入图像进行校正
   训练技巧：前5k iterations关闭STN，等识别网络初步收敛后再启用，避免梯度异常
   效果：提升2.8-5.2%精度
2. 后处理（Post-filtering）
   基于国家车牌模板规则（如"京X·XXXXX"格式）过滤非法结果
   仅与Beam Search配合使用，从Top-N候选中筛选首个合法字符串