期刊专题

10.3778/j.issn.1002-8331.2012-0022

轻量型多尺度注意力融合的车牌检测算法

引用
车牌识别技术在交通管理中发挥着重要作用,其中车牌检测环节对后续识别性能有重大影响.现有的车牌检测系统容易受到外部环境的干扰,在自然场景下的检测性能差.提出一种基于多尺度注意力融合的车牌检测网络模型,利用金字塔网络特征图和CBAM(Convolutional Block Attention Module)注意力结构,提高小目标的检测精度.同时该方法不仅能够准确地检测定位出自然场景下的车牌,还能精确地定位出车牌的4个角点,有利于后续的车牌识别应用.实验中采用数据增强方法对CCPD数据集进行扩增,有效缓解了复杂环境变化对车牌检测造成的影响,增强了模型鲁棒性.通过对模型进行训练和测试,获得了98.05%的平均精确率和98.71%的召回率,优于其他车牌检测方法,并且帧率达到64 frame/s,实时性高.

深度学习;目标检测;车牌检测;注意力机制

57

TP391.41(计算技术、计算机技术)

福州大学科研启动项目;福州市科技局项目

2021-11-26(万方平台首次上网日期,不代表论文的发表时间)

共7页

208-214

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

57

2021,57(22)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn