多級細粒度特征融合的端到端車(chē)牌識別研究
摘要：為解決預處理、車(chē)牌定位、字符分割和字符識別這一傳統車(chē)牌識別方法復雜且流程銜接誤差較大的問(wèn)題,提出定位-識別的通道化車(chē)牌處理模型方法。首先根據車(chē)牌形態(tài)的結構化特點(diǎn),改進(jìn)Yolov2提取不同網(wǎng)絡(luò )深度的多級細粒度特征,重構后進(jìn)行融合,并利用k-means++算法對實(shí)驗數據集真實(shí)目標框進(jìn)行維度聚類(lèi),以初始化候選框進(jìn)行車(chē)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 )的模型結構約減算法流程,實(shí)現端到端的車(chē)牌識別。實(shí)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(huán)境下的識別應用。
注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系沈陽(yáng)理工大學(xué)學(xué)報雜志社
相關(guān)推薦
更多濟.jpg)
發(fā)與經(jīng)濟.jpg)
于我們.jpeg)