基于深度学习的场景数字检出

• 作者: 丁军航 徐世许 王璠
• 来源期刊: 制造业自动化
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 数字识别 YOLO
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 检测与监控
• 页码范围: 1-3,11
• 页数: 4页
• 分类号: TP391.4
• 字数: 2932字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0134.2019.03.001

摘要

传统的场景数字检测方法在复杂场景下检测效果不佳,并且图像预处理工作量过大.针对传统检测方法的缺点,基于深度学习,对比R-CNN等目标检测算法,最终选择YOLO算法进行场景数字检出.测试结果表明,YOLO算法在场景数字检出方面效果理想,检出率与准确率满足要求.但对于检出数字来说,YOLO的神经网络结构太复杂,可以进行简化,进一步提高检出速度.该研究提供了一种新的场景数字检出的思路,具有较高的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐世许	青岛大学自动化与电气工程学院	65	289	8.0	12.0
2	王璠	青岛大学自动化与电气工程学院	1	0	0.0	0.0
3	丁军航	青岛大学自动化与电气工程学院	17	24	3.0	4.0