{$cfg_webname}
主页 > 外文翻译 > 其他翻译 >

使用在合成图像上训练的神经网络进行稳健的车牌识别

来源:56doc.com  资料编号:5D23568 资料等级:★★★★★ %E8%B5%84%E6%96%99%E7%BC%96%E5%8F%B7%EF%BC%9A5D23568
资料以网页介绍的为准,下载后不会有水印.资料仅供学习参考之用. 帮助
资料介绍

使用在合成图像上训练的神经网络进行稳健的车牌识别(中文17000字,英文PDF)
摘要:在这项工作中,我们描述了围绕合成图像训练的卷积神经网络(CNN)设计的车牌识别(LPR)系统,以避免收集和注释训练CNN所需的数千个图像。 首先,我们提出了一个生成合成车牌图像的框架,考虑了影响真实板块方面的各种条件所需的关键变量。 然后,我们描述了一个模块化的LPR系统,围绕两个CNN设计,用于板和字符检测,享受共同的训练程序,并训练CNN并在不同国家收集的真实板图像的三个不同数据集上进行实验。 我们的综合训练系统优于在真实图像上训练的多个竞争系统,表明如果训练图像具有控制板方面的关键变量的足够差异,则合成图像在训练用于LPR的CNN时是有效的。

 

推荐资料