10.3969/j.issn.1674-9456.2020.10.004
基于深度学习图像数据集评估的车牌检测方法
针对复杂道路背景中车牌检测精度低的问题,提出一种基于深度学习的车牌检测方法.该方法首先采用快速的基于区域卷积网络方法(Faster R-CNN)在图像中检测出车辆区域,然后对每个车辆区域采用分层抽样方法获取该车辆区域中的车牌候选区域,最后采用训练的深度卷积神经网络过滤非平板候选项,定位车牌区域位置.这种基于车辆区域检测的方法为车牌检测提供尺度信息,限制搜索范围,使车牌检测更加可靠.文章利用Caltech和AOLP图像数据集进行评估算法的性能,实验表明,这种方法在准确率、召回率、F-score性能方法都高于其他算法,可以应用于不同场合下的车牌检测问题.
车牌检测、深度学习、卷积神经网络、条件约束
11
TP391(计算技术、计算机技术)
2020-11-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
18-21