基于卷积神经网络LeNet-5的车牌字符识别研究

• 作者: 杨绍普 赵志宏 马增强
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 字符识别 车牌识别 卷积神经网络 LeNet-5
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 人工智能与仿真
• 页码范围: 638-641
• 分类号: TP391.4
• 语种: 中文

摘要

将卷积神经网络LeNet-5引入到车牌字符识别中.为了适应目前中国车牌字符识别的需要,对传统的卷积神经网络LeNet-5的结构进行了改进,主要是改变输出单元的个数与增加卷积层C5特征图的个数.研究结果表明,改进舌的LeNet-5比传统的LeNet-5的识别率有所提高,识别率达到98.68%.另外,与BP神经网络进行了比较研究,从实验中可以看出在字符识别的正确率和识别速度上都优于BP神经网络.卷积神经网络在车牌识别中具有很好地应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨绍普		213	2459	27.0	42.0
2	赵志宏	北京交通大学机械与电子控制工程学院	30	564	9.0	23.0
4	马增强	北京交通大学机械与电子控制工程学院	71	503	9.0	20.0