多級細粒度特征融合的端到端車牌識別研究
摘要：為解決預處理、車牌定位、字符分割和字符識別這一傳統車牌識別方法復雜且流程銜接誤差較大的問題,提出定位-識別的通道化車牌處理模型方法。首先根據車牌形態的結構化特點,改進Yolov2提取不同網絡深度的多級細粒度特征,重構后進行融合,并利用k-means++算法對實驗數據集真實目標框進行維度聚類,以初始化候選框進行車牌定位,提高定位精度;其次重塑Alexnet網絡,采用七個全連接層共享卷積神經網絡的模型結構約減算法流程,實現端到端的車牌識別。實驗結果表明,該方法具有較高的識別率和魯棒性,能適應復雜自然環境下的識別應用。
注: 保護知識產權,如需閱讀全文請聯系沈陽理工大學學報雜志社
相關推薦
更多
