基于多目标优化多任务学习的端到端车牌识别方法

摘要：

本文针对多个车牌识别任务之间存在竞争和冲突,导致难以同时提高多个车牌的识别率的问题,提出基于多目标优化多任务学习的端到端车牌识别方法.首先,通过分析某些车牌识别任务容易占主导地位,而其他任务无法得到充分优化的问题,建立基于多任务学习的车牌识别模型.接着,针对字符分割造成车牌识别准确率较低、鲁棒性较差的问题,提出基于多任务学习的端到端车牌识别方法.最后,针对多个车牌识别任务间难以权衡的问题,提出一种基于多目标优化的多任务学习方法,以提高多个车牌识别的准确率.将本文所提方法在标准车牌数据集上进行测试,实验结果验证了该方法的有效性和优越性,其他代表性方法相比可以提高车牌识别的准确率、快速性和鲁棒性.

关键词：车牌识别;多任务学习;多目标优化;深度神经网络;机器学习

所属期刊栏目：38

资助基金：国家自然科学基金国际地区合作与交流重点项目;国家自然科学基金面上项目;湖南省科技基金项目

在线出版日期：2021-09-07（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：676-688