研究人员开发了一个强大的深度学习框架，用于识别孟加拉语车牌，集成了对象检测和光学字符识别。该系统利用基于 YOLOv8 的新颖的两阶段自适应训练策略进行车牌定位，准确率达到 97.83%，IoU 达到 91.3%。对于文本提取，采用基于 ViT + BanglaBERT 模型的 Vision-Language OCR 方法，字符错误率（CER）为 0.1323，单词错误率（WER）为 0.1068。该框架在各种环境条件下表现出一致的性能，适用于智能交通应用。 AI
影响 增强了对特殊字符集的 OCR 能力，可能改进了自动交通管理系统。
排序理由 详细介绍用于特定计算机视觉任务的新深度学习框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →