卷积神经网络在车牌分类器中的应用

• 作者: 贾海晶 郭克友 郭晓丽
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 车牌分类 卷积神经网络 卷积层 降采样层
• 年，卷（期）: 2017,（14）
• 所属期刊栏目: 图形图像处理
• 页码范围: 209-213
• 页数: 5页
• 分类号: TP391.4
• 字数: 3367字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1603-0269

摘要

传统的基于边缘、颜色、纹理及机器学习等方法进行的车牌定位,需要对车牌图像进行复杂的特征提取,不但训练过程容易造成过拟合或者维数灾难,而且识别结果也易受光照、道路环境及图像质量等因素的影响,虽然漏识别率低,但误识别率高.针对车牌分类问题,利用深度学习中的卷积神经网络,避免了传统模式分类算法在前期对图像复杂的预处理,降低了设计提取特征算法时对丰富经验的依赖.综合对比了BP神经网络、支持向量机、卷积神经网络三种算法,实验结果表明,卷积神经网络在车牌分类中具有较好的表现,识别率高达98.25%,也证明了深度学习在智能交通领域具有较大的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭克友	北京工商大学材料与机械工程学院	33	157	8.0	10.0
2	贾海晶	北京工商大学材料与机械工程学院	4	24	2.0	4.0
3	郭晓丽	北京工商大学材料与机械工程学院	9	62	4.0	7.0