面向城市智能交通的复杂环境车牌识别模型：基于YOLOv12、GAN与Mamba-SSM的混合架构
Urban Intelligent Transportation-Oriented License Plate Recognition Model for Severe Environments Based on Hybrid Architecture of YOLOv12, GAN and Mamba-SSM
发表于 2026年6月11日 · 收录于雷达 2026年11月5日
中文摘要
针对雨、雪、雾及夜间等城市道路环境造成的车牌图像质量下降，研究提出整合检测、图像增强与字符识别的CLEI框架。框架采用YOLOv12检测、DeblurGAN-v2增强及CNN–Mamba识别网络，并基于3000张车牌图像进行评估。CMN识别准确率为93.3%，完整CLEI框架经增强后准确率达到93.67%，显示协同优化有助于提升复杂环境下的识别表现。