基于Faster R-CNN与BRNN的车牌识别

• 作者: 潘安琪 门玉英
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 卷积神经网络 深度学习 车牌识别 图像识别 R-CNN
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 49-53
• 页数: 5页
• 分类号: TP301
• 字数: 4431字
• 语种: 中文
• DOI: 10.11907/rjdk.201323

摘要

针对传统车牌检测方法在复杂环境下识别准确率不高且过程繁复问题,提出一种基于 Faster R-CNN和 BRNN统一深度神经网络的车牌识别方法.首先,使用 Faster R-CNN网络进行车牌定位:先通过 RPN(区域提案网络)进行候选区域提取与输出,提供粗略搜索范围,再通过分类层结合提议目标层生成的边界框坐标和其回归系数,生成所需的最终边界框;然后,将车牌识别看作序列标记问题,使用具有CTC损耗的BRNN(双向循环神经网络)用于标记其顺序特征,实现车牌字符识别.试验结果表明,该技术识别准确率高达94.5%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	门玉英	湖北省科技信息研究院科研管理与创新发展办公室	19	68	4.0	7.0
2	潘安琪	黑龙江大学国际文化教育学院	1	0	0.0	0.0