10.3969/j.issn.1006-8554.2020.10.006
基于DenseNet与ResNeXt算法的车牌定位识别方法研究
利用卷积神经网络易于提取图像特征的优势,直接搭建一个统一的深度神经网络,可在进行车牌定位的同时进行识别,并且整个网络可以进行端到端的训练,可直接提高整个系统识别的准确率和鲁棒性.针对卷积神经网络在连续增天网络层数的时候,会引起梯度消失,产生网络性能的退化问题.研究将DenseNet与ResNeXt结合的网络模块应用于车牌定位识别系统中,经验证,该算法系统识别准确率高、速度快,可以在车牌识别系统中广泛使用.
车牌识别、ResNeXt、DenseNet
27
2020-10-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
23-26