基于卷积神经网络的车牌识别技术研究

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：车牌识别是智能交通管理系统中的重要组成部分,能有效地提高车辆管理效率.文章在分析传统的LeNet-5卷积神经网络技术的基础上,提出通过增加卷积核个数,增大卷积核,采用softmax分类器,使用Dropout正则化方法和Adam优化算法对卷积神经网络进行改进,然后对车牌中汉字和字母(数字)的数据集分别进行训练.最后通过实验进行验证,改进的LeNet-5卷积神经网络对车牌具有很好的识别性能,使车牌识别正确率得到提升.

作者：

张戎秋

展开 >

作者单位：

淮南师范学院计算机学院安徽淮南232038

关键词：

深度学习计算机视觉卷积神经网络字符识别

出版年：

2020

滁州学院学报

滁州学院

滁州学院学报

影响因子：0.235

ISSN：1673-1794

年,卷(期)：2020.22(2)

被引量2
参考文献量6