10.3969/j.issn.1673-1794.2020.02.016
基于卷积神经网络的车牌识别技术研究
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.
深度学习、计算机视觉、卷积神经网络、字符识别
22
TP391.43(计算技术、计算机技术)
2020-07-02(万方平台首次上网日期,不代表论文的发表时间)
共4页
61-64