自动车牌识别中传统检测-OCR流水线与视觉-语言模型的全面比较

《Electronics》:YOLO-OCR vs. Vision–Language Models Under Limited Data Availability: A Car-Plate Recognition Case Study

【字体: 大 中 小 】 时间:2026年09月19日 来源:Electronics 2.9

编辑推荐:

   摘要

  

摘要

自动车牌识别(ALPR)系统通常依赖于结合目标检测与光学字符识别(OCR)的两阶段流水线,而近期的视觉-语言模型(VLM)则能够实现无需任务特定训练的图像级直接识别。本文在目标领域数据有限的情况下,对这两种范式进行了全面比较。我们在一个包含435张图像和643个可见车牌的研究专用塞尔维亚数据集上,评估了车牌专用YOLO11x检测器与四种OCR后端以及五个本地部署的开源权重VLM,且未针对该数据集进行训练或微调。数据集标注了图像级车牌数量、登记转录以及车牌级边界框。性能评估采用了严格的端到端成功率、精确匹配准确率、字符错误率、可读车牌召回率、车牌计数准确率和推理速度等指标。比较结果进一步在OpenALPR-EU和UC3M-LP基准数据集上进行了验证。最后,我们通过逐步微调YOLO检测器在UC3M-LP上的表现,研究了增加目标领域标注预算的影响,以确定传统检测器-OCR流水线何时能超越零样本VLM。结果表明两者各有优势,而非存在普适的最优方案。YOLO11x结合FastPlateOCR实现了最高的转录准确率,且比表现最佳的VLM快约13倍;三种通用OCR后端在相同检测条件下的表现趋于一致,因此这些数据反映的是最强的可用车牌专用识别器,而非检测器-OCR流水线的普遍表现,而Qwen3-VL在零样本设置下提供了更优的图像级车牌计数准确率,该优势主要集中在单车牌场景中。标注预算研究表明,数百条带标注的定位数据能显著提升传统流水线的性能,使其在字符恢复方面超越零样本VLM,但VLM在图像级车牌计数方面仍保持优势。这些发现为根据标注可用性、部署约束和应用目标选择合适的ALPR系统提供了实用指导。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号