深度学习在车牌定位中的研究

• 作者: 白猛猛 计雪薇 赵莉 雷松泽
• 来源期刊: 计算机应用研究
• 关键词: 车牌定位 深度学习 复杂背景 不平衡数据 困难样本挖掘
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3142-3146
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.10.061

摘要

为提高场景不断变化下车牌定位的准确性,提出应用深度学习定位的方法.基于最小生成树原理将图像转换成图论中的图,结合相似度进行选择搜索获取车牌候选区域.利用车牌长宽比条件对候选区域进行筛选,以减少数据的不平衡性.通过带平滑项的交叉熵损失函数以及Bootstrapping技术训练深度网络,并用该模型从候选区域中识别出车牌区域.实验表明,该方法在候选区域提取、网络训练阶段以及定位准确率方面均优于其他算法,测试集中准确率为97.6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵莉	西安工业大学计算机科学与工程学院	23	78	4.0	7.0
2	雷松泽	西安工业大学计算机科学与工程学院	19	141	6.0	11.0
3	白猛猛	西安工业大学计算机科学与工程学院	3	11	2.0	3.0
4	计雪薇	西安工业大学计算机科学与工程学院	1	9	1.0	1.0