多級(jí)細(xì)粒度特征融合的端到端車牌識(shí)別研究
摘要：為解決預(yù)處理、車牌定位、字符分割和字符識(shí)別這一傳統(tǒng)車牌識(shí)別方法復(fù)雜且流程銜接誤差較大的問題,提出定位-識(shí)別的通道化車牌處理模型方法。首先根據(jù)車牌形態(tài)的結(jié)構(gòu)化特點(diǎn),改進(jìn)Yolov2提取不同網(wǎng)絡(luò)深度的多級(jí)細(xì)粒度特征,重構(gòu)后進(jìn)行融合,并利用k-means++算法對(duì)實(shí)驗(yàn)數(shù)據(jù)集真實(shí)目標(biāo)框進(jìn)行維度聚類,以初始化候選框進(jìn)行車牌定位,提高定位精度;其次重塑Alexnet網(wǎng)絡(luò),采用七個(gè)全連接層共享卷積神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)約減算法流程,實(shí)現(xiàn)端到端的車牌識(shí)別。實(shí)驗(yàn)結(jié)果表明,該方法具有較高的識(shí)別率和魯棒性,能適應(yīng)復(fù)雜自然環(huán)境下的識(shí)別應(yīng)用。
注: 保護(hù)知識(shí)產(chǎn)權(quán),如需閱讀全文請(qǐng)聯(lián)系沈陽(yáng)理工大學(xué)學(xué)報(bào)雜志社
相關(guān)推薦
更多蒙古科技與經(jīng)濟(jì).jpg)
管理信息化.jpg)
開發(fā)與經(jīng)濟(jì).jpg)
于我們.jpeg)