基于Unet神经网络的车牌定位系统

摘要：

车牌是车辆的"身份证".由于拍摄条件很难完全理想,目前监控摄像头获得的车牌图像往往具有角度多样、距离多样的特点,这为进一步的车牌内容识别带来了困难.为解决这一问题,文章采用改进后的Unet神经网络架构,对普通神经网络从损失函数和网络深度两方面进行改进.采用Python语言中的TensorFlow和Keras框架,充分发挥Unet神经网络在小样本训练下效果依旧良好的优势,采用自制数据集进行训练,最终提取准确率可达94％以上.

关键词：Unet神经网络、车牌提取、损失函数、神经网络深度

所属期刊栏目：19

分类号：TP18(自动化基础理论)

在线出版日期：2023-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：30-33