基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
卷积神经网络在车牌识别中的应用研究
车牌识别
卷积神经网络
支持向量机
改进LeNet-5卷积网络
深度学习
基于改进的卷积神经网络LeNet-5的车型识别方法
深度学习
卷积神经网络
LeNet-5
车型识别
基于卷积神经网络LeNet-5的货运列车车号识别研究
列车车号
车号识别
卷积神经网络
LeNet-5
基于卷积神经网络的自然背景字符识别
自然背景字符识别
卷积神经网络
图像分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络LeNet-5的车牌字符识别研究
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
研究方向 页码范围 638-641
页数 分类号 TP391.4
字数 语种 中文
DOI
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (29)
参考文献  (5)
节点文献
引证文献  (269)
同被引文献  (305)
二级引证文献  (1165)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(13)
  • 引证文献(10)
  • 二级引证文献(3)
2015(30)
  • 引证文献(21)
  • 二级引证文献(9)
2016(121)
  • 引证文献(36)
  • 二级引证文献(85)
2017(225)
  • 引证文献(69)
  • 二级引证文献(156)
2018(414)
  • 引证文献(70)
  • 二级引证文献(344)
2019(481)
  • 引证文献(52)
  • 二级引证文献(429)
2020(145)
  • 引证文献(8)
  • 二级引证文献(137)
研究主题发展历程
节点文献
字符识别
车牌识别
卷积神经网络
LeNet-5
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
系统仿真学报
月刊
1004-731X
11-3092/V
大16开
北京市海淀区永定路50号院
82-9
1989
chi
出版文献量(篇)
14694
总下载数(次)
35
总被引数(次)
173926
论文1v1指导