研究人员开发了一个面向发展中国家的嵌入式实时车牌识别系统,以应对复杂的交通场景和多样化的车型。该系统利用轻量级卷积神经网络进行车牌检测和字符识别,在新SL-LPR数据集上实现了93.6%的mAP和87.88%的准确率。为了确保在嵌入式平台上的效率,模型通过Brevitas整合了低比特量化,并通过FINN框架实现了FPGA加速,能够在Xilinx Kria KV260上以11.5 FPS运行。 AI
影响 这项研究展示了在嵌入式系统上高效部署AI模型以用于交通管理等实际应用。
排序理由 该集群包含一篇详细介绍新系统和数据集的研究论文。
- brevitas
- Finn
- SL-LPR dataset
- Sri Lanka
- Udaya Sampath Karunathilaka Perera Miriya Thanthrige
- Xilinx Kria KV260
- SL-LPR
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →