基于样本扩充的小样本车牌识别

摘要：

车牌识别技术作为智能交通系统的核心课题之一,一直受到广泛的关注.近年来深度学习技术的迅速发展,更是为其提供了一种良好的解决方案.但实际场景下,研究者有时很难收集到足够的数据以支持模型训练.本文聚焦于小样本车牌识别问题,提出了使用生成对抗网络生成车牌图像,辅助后续模型训练的方法.本文方法先使用CycleWGAN合成大量带标签车牌图像;之后用合成图像对识别模型进行预训练;最后使用原始真实数据微调模型,进一步提高模型的准确率.本文在多个数据集上验证此方法,均获得了明显的效果增益,特别是当真实数据相对有限时,本文方法将准确率从已经较高的基线上又提升了7.5％.另外,在较困难的双动态车牌图像上,本文方法也取得了不俗的效果.最后,引入模型压缩技术,在原方法的基础上设计并实现了LightRCNN,使识别速度提升近1倍.

关键词：小样本车牌识别、生成对抗网络、卷积神经网络、双向循环神经网络

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：上海市自然科学基金18ZR1442600

在线出版日期：2019-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1-10