首页|使用多任务级联卷积神经网络进行车牌照识别

使用多任务级联卷积神经网络进行车牌照识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
车牌照识别是计算机视觉技术的一项重要应用,在保障日常交通秩序中扮演关键角色,因此,一直以来车牌照识别技术都是计算机视觉领域中一项热门研究.由于车牌照识别系统的应用场景通常在交通路口,交通情况复杂度高,由于车辆运动和拍摄角度导致的遮挡、图像变形等问题,使得高精度、抗干扰的车牌照识别系统具有重要研究价值.近年来,随着深度学习技术的发展,特别是其在图像识别和目标检测领域带来相较传统方法的巨大的性能提升.文章尝试使用深度卷积神经网络的方法,提出了一个在精确度和鲁棒性方面都较为出色的针对中国大陆车牌照的识别算法,其在我们的私有数据集上识别准确率达到94.93％,识别图片平均耗时243 ms.该方法可以通过更换数据集来泛化到其他国家或地区的车牌照识别问题上.
Vehicle License Plate Recognition Using Multi-task Cascaded Convolutional Networks

胡从坤、黄东军

展开 >

中南大学信息科学与工程学院,湖南长沙410083

车牌照识别 深度卷积神经网络 目标检测 光学字符识别

2019

企业技术开发(学术版)
湖南省科技信息研究所

企业技术开发(学术版)

影响因子：1.4
ISSN：1006-8937
年,卷(期)：2019.38(2)
  • 15