基于DP-DBNet和MHA-CRNN的船牌号检测与识别
船牌号的检测和识别对于港口的智能化管理和解决传统人工方式监管渔船中存在的耗时耗力的问题具有重要意义.?针对船牌悬挂位置,?背景颜色和字符个数不统一等特点,?本文提出两阶段双模型的检测和识别方法.?首先,?提出将双路径网络(dual?path?networks,?DPN)与可微二值化网络(differentiable?binarization?network,?DBNet)相结合的DP-DBNet船牌号位置检测模型.?其次,?提出将多头注意力机制(multi-head-attention?mechanism,?MHA)与改进的卷积循环神经网络(convolutional?recurrent?neural?network,?CRNN)相结合的MHA-CRNN船牌号文字识别模型.?最后,?以烟台芝罘区新型现代化智慧渔港项目为数据来源,?并进行算法对比实验分析;?实验结果表明,?两种模型结合的两阶段识别方法可以使船牌号的识别准确率达到76.39%,?充分证明了该模型的有效性和在海洋港口管理方面的应用价值.
船牌号检测与识别、双路径网络、可微二值化网络、多头注意力、卷积循环神经网络、目标检测
32
TP391.41;TN911.7;TH161
国家自然科学基金;农业部水产养殖数字建设试点项目;青岛市创新创业领军人才
2023-03-16(万方平台首次上网日期,不代表论文的发表时间)
共8页
209-216