本文主要研究内容
作者李祥鹏,闵卫东,韩清,刘瑞康（2019）在《基于深度学习的车牌定位和识别方法》一文中研究指出：针对现有的基于车牌字符分割的车牌识别方法,在光照,阴暗等特定自然场景下存在无法定位且车牌字符无法正确分割,直接影响车牌字符识别效果的问题,提出一种基于深度学习的车牌定位和识别方法.首先采用深度学习FasterR-CNN算法进行车牌定位,利用k-means++算法来选择最佳车牌区域尺寸,解决现有车牌定位方法在某些自然场景下无法正确定位车牌的问题;然后在AlexNet网络模型的基础上进行改进和重新构建,提出一种增强的卷积神经网络模型AlexNet-L,该模型是一种针对车牌字符识别的端对端网络模型,可提高车牌识别准确率,避免现有的基于车牌字符分割的车牌识别方法中因无法正确分割车牌字符对车牌字符识别的影响.实验结果表明,该方法可以更有效地提高车牌定位和车牌字符识别的准确度和效率.
Abstract
zhen dui xian you de ji yu che pai zi fu fen ge de che pai shi bie fang fa ,zai guang zhao ,yin an deng te ding zi ran chang jing xia cun zai mo fa ding wei ju che pai zi fu mo fa zheng que fen ge ,zhi jie ying xiang che pai zi fu shi bie xiao guo de wen ti ,di chu yi chong ji yu shen du xue xi de che pai ding wei he shi bie fang fa .shou xian cai yong shen du xue xi FasterR-CNNsuan fa jin hang che pai ding wei ,li yong k-means++suan fa lai shua ze zui jia che pai ou yu che cun ,jie jue xian you che pai ding wei fang fa zai mou xie zi ran chang jing xia mo fa zheng que ding wei che pai de wen ti ;ran hou zai AlexNetwang lao mo xing de ji chu shang jin hang gai jin he chong xin gou jian ,di chu yi chong zeng jiang de juan ji shen jing wang lao mo xing AlexNet-L,gai mo xing shi yi chong zhen dui che pai zi fu shi bie de duan dui duan wang lao mo xing ,ke di gao che pai shi bie zhun que lv ,bi mian xian you de ji yu che pai zi fu fen ge de che pai shi bie fang fa zhong yin mo fa zheng que fen ge che pai zi fu dui che pai zi fu shi bie de ying xiang .shi yan jie guo biao ming ,gai fang fa ke yi geng you xiao de di gao che pai ding wei he che pai zi fu shi bie de zhun que du he xiao lv .
论文参考文献
论文详细介绍
论文作者分别是来自计算机辅助设计与图形学学报的李祥鹏,闵卫东,韩清,刘瑞康，发表于刊物计算机辅助设计与图形学学报2019年06期论文，是一篇关于深度学习论文,车牌定位论文,字符识别论文,计算机辅助设计与图形学学报2019年06期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自计算机辅助设计与图形学学报2019年06期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。