CN114067300B 一种端到端的车牌矫正及识别方法 (安徽清新互联信息科技有限公司)_第1页
CN114067300B 一种端到端的车牌矫正及识别方法 (安徽清新互联信息科技有限公司)_第2页
CN114067300B 一种端到端的车牌矫正及识别方法 (安徽清新互联信息科技有限公司)_第3页
CN114067300B 一种端到端的车牌矫正及识别方法 (安徽清新互联信息科技有限公司)_第4页
CN114067300B 一种端到端的车牌矫正及识别方法 (安徽清新互联信息科技有限公司)_第5页
已阅读5页,还剩18页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

道2800号创新产业园二期J1区A座17-WO2019169816A1,2019.09.本发明公开了一种端到端的车牌矫正及识正和车牌识别步骤融合到一个端到端的深度学2获取车牌图像,并作为车牌矫正及识别融合模型的输入,所述车所述车牌矫正头包括车牌生成器和车牌判别器,车牌生成器用于仿采用全连接结构将顺序特征图按列进行压缩至N维,并使用Softma获取车牌数据集合,所述数据集合包括真实车牌图像、标注得3下:4[0005]本发明的目的在于克服上述背景技术中的不足,在保证困难车牌识别精度的同的车牌特征图进行增强,一卷积块CBL对特征金字塔层输出的特征图进行增强后作为上采5[0022]进一步地,所述识别损失函数Lossctc用于衡量模型输入的真实车牌图像I对应的[0028]进一步地,所述判别损失函数Lossd用于衡量车牌判别器对输入图像是否为模型6征图进行增强,一卷积块CBL对特征金字塔层输出的特征图进行增强后作为上采样层的输[0052]图3中所示的卷积块CBL包括卷积Conv、批归一化BN和激活函数ReLU三个基本操7出通道数分别为16、32、64、128,则各下采样层的两个CBL结构具体为:和CBL(3,因此,对分辨出和同尺度的下采样层车牌特征图具体的在FPNj结构中,对输入进行2[0058]如图4所示,车牌矫正头和车牌字符识别头的输入均为基干网络输出的车牌特征8[0062]作为进一步优选的技术方案,所述车牌字符识别头包括残差网络、Resize函数、车牌号)。对输入尺寸为220×70×16的车牌特征图F,首先,使用常规的残差网络,如对得到的14个N维的Softmax编码进行独热处理(One-Hot)得到长度维14的字符序列,完成车牌字符与对应的真实车牌图像的字符相同,避免了传统生成对抗网络(GAN)对生成图像9[0072]具体地,所述真实车牌图像I为单个完整车牌的外接矩形区域图像。在本实施例[0073]所述车牌号标签L即为各真实车牌图像对应的车牌号(如皖A12**5)。在本实施例[0077]所述识别损失函数Lossctc用于衡量模型输入的真实车牌图像I对应的车牌字符标[0080]所述生成损失Lossg用于衡量模型生成的车牌矫正图像Tpred的误差。判别损失Lossd用于衡量车牌判别器对输入图像(Tpred或T)是否为模型生成的矫正损失Lossg以保证生成质量更好的矫正图像,而通过尽量降低判别损失Lossd来使判别模型gg[0083]其中,||T-Tpred||为L2损失,作为正则项,用于保证GAN初期训练的稳定性;-L2损失以保证GAN-Head初期快速训练至稳定。整个端到端网络的两个任务头相互促进,CTC-Head使得GAN-Head生成的车牌字符与输入的真实图像一致,解决了传统GAN网络无法设定生成图像属性的问题(即生成的车牌字符随机变换,无法与字符标签一致);而GAN-[0093](1)简化了车牌识别步骤:与现有技术的两阶段方法(车牌

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论