본 논문은 조명, 비, 먼지와 같은 환경적 요인, 차량 속도, 카메라 각도, 낮은 품질의 이미지와 같은 어려움으로 인해 정확한 자동 번호판 인식 시스템(ALPR) 개발이 어려운 문제를 다룬다. 본 연구에서는 YOLOv8을 사용하여 번호판 감지 및 인식을 위한 딥러닝 전략을 제안한다. 온타리오, 퀘벡, 캘리포니아, 뉴욕 주의 데이터셋을 활용하여 성능 향상을 추구하며, CENPARMI 데이터셋에서 94%, UFPR-ALPR 데이터셋에서 91%의 높은 재현율을 달성했다. 또한, Grounding DINO를 사용하여 반지도 학습 프레임워크를 적용하여 수동 라벨링 의존도를 줄이고 데이터셋 확장을 효율적으로 수행하였다.
