2021年华春梦[16]等人提出一种基于CRNN的文本序列模型。该模型实现了端到端、免分割的车牌文字识别方法，充分体现了卷积神经网络的优势。2021年胡逸龙[17]等人提出一种车牌检测、字符识别两阶段的中文车牌识别算法，车牌检测阶段基于YOLO模型，字符识别阶段基于CRNN模型，再向网络中添加STN网络，得到CRNN_Plate模型。2020年刘智辉[18]使用基于卷积神经网络的识别方法并结合改进的Le Net-5卷积神经网络模型对车牌字符进行识别。将改进后的识别算法工程化，编写车牌识别软件验证识别算法的准确率以及识别耗时。2020年Yaguan Qian[19]等人提出了一种针对车牌识别(LPR)背景下的CNN分类器的规避攻击，该攻击在车牌的特定区域添加预定的扰动，模拟某种自然形成的斑点。对这段话降重

近年来，许多学者提出了不同的方法来解决车牌识别的问题。其中，一些方法使用卷积神经网络（CNN）来实现字符识别，而另一些方法则采用两阶段的方法，即车牌检测和字符识别。

一个基于CRNN的文本序列模型可以实现端到端、免分割的车牌文字识别方法，这种方法充分体现了卷积神经网络的优势。此外，胡逸龙等人提出了一种车牌检测、字符识别两阶段的中文车牌识别算法，该算法使用YOLO模型进行车牌检测，使用CRNN模型进行字符识别，并向网络中添加STN网络，从而得到CRNN_Plate模型。

刘智辉使用基于卷积神经网络的识别方法并结合改进的Le Net-5卷积神经网络模型对车牌字符进行识别，还将改进后的识别算法工程化，编写车牌识别软件验证识别算法的准确率以及识别耗时。此外，Yaguan Qian等人提出了一种针对车牌识别背景下的CNN分类器的规避攻击，该攻击在车牌的特定区域添加预定的扰动，模拟某种自然形成的斑点。