轻量级车牌识别卷积网络

摘要：

为了提高车牌识别的准确性,提出一种轻量级车牌识别神经网络.车牌定位阶段,构造了深度为9的卷积神经网络(Convolutional Neural Networks,CNN),首先利用图像预处理与阈值分割融合的方式对车牌进行粗定位,然后对CNN网络进行模型训练,得到网络权重,最后将车牌候选区域输入到CNN模型来实现精准定位车牌.车牌识别阶段,构造了深度为11的CNN网络,首先对准确定位的车牌进行字符分割,并对分割后的字符进行归一化处理,然后将分割后的单个字符输入到CNN模型,实现对字符的识别,最后输出字符识别结果.通过实验验证,所搭建的两个CNN网络能够有效提升车牌的检测和识别准确率.

关键词：轻量级、车牌识别、CNN模型

所属期刊栏目：34

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61877062

在线出版日期：2020-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：35-41