结合双金字塔特征融合与级联定位的车牌检测

摘要：

为了解决复杂环境中不同因素干扰车牌检测精确度的问题,提出了一种基于双金字塔特征融合的复杂环境下车牌检测算法.通过采用Mish激活函数的残差网络(ResNet101-M)对输入图像进行初级特征提取;在传统特征金字塔网络(feature pyramid network,FPN)的基础上,提出了一种改进的双金字塔特征融合网络(siamese feature pyramid network,SFPN).被提取的初级特征被送入该网络进行多层特征融合.融合后的特征被送入基于形状先验的锚点设置网络来确定感兴趣区域.将所生成的感兴趣区域送入级联定位网络从而得到准确的车牌检测结果.实验结果表明,该算法在AOLP与CCPD车牌数据集上均能够有效提升检测性能.

关键词：车牌检测、深度学习、双金字塔特征融合、级联定位

所属期刊栏目：59

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;上海市青年科技英才扬帆计划;上海市多维度信息处理重点实验室开放课题;中央高校基本科研业务费专项

在线出版日期：2023-02-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：240-252