基于深度卷积神经网络的街景门牌号识别方法

• 作者: 胡西川 韩鹏承
• 来源期刊: 现代计算机：中旬刊
• 学科: 工学
• 关键词: 卷积神经网络 AlexNet SVHN BN 字符识别
• 年，卷（期）: 2018,（7）
• 页码范围: 60-64
• 页数: 5页
• 分类号: TP183

摘要

在复杂图像中提取文本信息是模式识别研究的热点,应用前景广阔。自然场景中的门牌号背景复杂,字符风格多样,识别难度较大。基于卷积神经网络设计一种识别方法,可以达到较好的识别效果。在方法设计中用灰度化手段来弱化自然场景中的背景信息,突出重要特征。基于AlexNet改进网络,加深网络的深度,在激活函数的后面使用批归一化BN,并在全连接层中应用较低比例的Dropout策略。使用谷歌街景门牌号数据集(SVHN),训练约13个小时,识别率达到94.58%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡西川	上海海事大学信息工程学院	11	21	3.0	4.0
2	韩鹏承	上海海事大学信息工程学院	2	5	1.0	2.0