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:
近年来,深度学习被广泛应用于各个领域,如目标检测、语音识别等.本文针对低分辨率、多车辆等复杂环境下的车牌检测问题,利用深度学习图像识别技术,提出了基于Faster R-CNN的车牌检测方法.通过将Faster R-CNN深度学习方法与传统方法的准确性能进行比较,有效地证明了深度学习在车牌检测方面具有合理性,可以解决光照、图像质量等因素对车牌检测的影响,能有效提高车牌检测的效率和精确度.
推荐文章
一种基于Faster R-CNN模型的虹膜检测改进方法
虹膜检测
Faster R-CNN
虹膜定位
目标检测
基于FasterR-CNN模型的木材表面节子缺陷检测
深度学习
节子检测
FasterR-CNN
缺陷定位
基于改进FasterR-CNN识别深度视频图像哺乳母猪姿态
图像识别
算法
模型
FasterR-CNN
残差结构
CenterLoss
哺乳母猪
姿态识别
基于CNN的海空目标检测
元胞神经网络
目标检测
Sobel
Canny
形态学
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FasterR-CNN的车牌检测研究
来源期刊 汽车工业研究 学科
关键词 车牌检测 目标检测 深度学习
年,卷(期) 2019,(1) 所属期刊栏目 研究
研究方向 页码范围 57-60
页数 4页 分类号
字数 3116字 语种 中文
DOI 10.3969/j.issn.1009-847X.2019.01.012
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (11)
参考文献  (6)
节点文献
引证文献  (5)
同被引文献  (11)
二级引证文献  (0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(4)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(4)
  • 二级引证文献(0)
2019(4)
  • 引证文献(4)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
车牌检测
目标检测
深度学习
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
汽车工业研究
月刊
1009-847X
22-1231/U
大16开
长春市锦程大街30号
12-147
1986
chi
出版文献量(篇)
2952
总下载数(次)
14
总被引数(次)
13934
论文1v1指导