基于卷积神经网络的LED灯类字体数字识别

• 作者: 王立刚 张志佳 李晋 范莹莹 刘立强
• 来源期刊: 电子测量与仪器学报
• 关键词: LED-LeNet 自然场景 卷积神经网络 数字识别
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 学术论文|PAPERS
• 页码范围: 148-154
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.13382/j.jemi.B2003005

摘要

针对自然场景下由LED灯组合形成的数字具有易受光照、背景和成像扭曲等因素影响识别困难的特点,提出了一种LED-LeNet卷积网络识别算法.对自采集LED灯类字体数据集按数字进行分类,将图像ROI操作、分辨率调整至32×32和数据增强等预处理后,在LeNe-5网络架构上通过卷积核重构、使用Swish激活函并数引入Dropout正则化等方法改进网络.采用自然场景下采集的交通信号灯倒计时数字图像数据库TST对算法进行了验证,算法识别正确率可达99.52％,识别速度为1 ms.实验结果表明在调整网络结构与卷积核参数并通过改变训练策略后算法识别LED灯类字体具有明显优势.