基于Caffe深度学习框架的车牌数字字符识别算法研究

• 作者: 向灿群 吴健辉 张国云 欧先锋 涂兵 郭龙源
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: Caffe框架 车牌字符识别 深度学习 卷积神经网络
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 电子信息科学
• 页码范围: 971-977
• 页数: 7页
• 分类号: TP391.41
• 字数: 3954字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2017.05.013

摘要

在车牌字符识别的某些场合中,获得的字符通常存在切割不均匀、光照对比度强烈、遮挡严重等强噪声污染.针对被强噪声污染的数字字符,提出一种基于Caffe深度学习框架的字符识别算法,在Caffe框架下搭建卷积神经网络,并对网络参数训练获得了一个鲁棒性强、识别精度高的网络结构.实验结果表明,在低噪声、中度噪声、强噪声污染情况下,文章中提出的方法相比当前典型的识别方法,在数字字符识别上均具有较好的识别能力,平均识别率高出将近5％,而在强噪声污染情况下,识别效果具有更加明显的优势.