留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于TensorFlow的车牌字符识别方法

孟祥环 罗素云 张玉祖 陈亚 陈思涛

孟祥环, 罗素云, 张玉祖, 陈亚, 陈思涛. 基于TensorFlow的车牌字符识别方法[J]. 上海工程技术大学学报, 2020, 34(3): 247-252. doi: 10.3969/j.issn.1009-444X.2020.03.007
引用本文: 孟祥环, 罗素云, 张玉祖, 陈亚, 陈思涛. 基于TensorFlow的车牌字符识别方法[J]. 上海工程技术大学学报, 2020, 34(3): 247-252. doi: 10.3969/j.issn.1009-444X.2020.03.007
MENG Xianghuan, LUO Suyun, ZHANG Yuzu, CHEN Ya, CHEN Sitao. Recognition Algorithm for Vehicle License Plate Character Based on TensorFlow[J]. Journal of Shanghai University of Engineering Science, 2020, 34(3): 247-252. doi: 10.3969/j.issn.1009-444X.2020.03.007
Citation: MENG Xianghuan, LUO Suyun, ZHANG Yuzu, CHEN Ya, CHEN Sitao. Recognition Algorithm for Vehicle License Plate Character Based on TensorFlow[J]. Journal of Shanghai University of Engineering Science, 2020, 34(3): 247-252. doi: 10.3969/j.issn.1009-444X.2020.03.007

基于TensorFlow的车牌字符识别方法

doi: 10.3969/j.issn.1009-444X.2020.03.007
基金项目: 

上海工程技术大学研究生科研创新资助项目

详细信息
  • 中图分类号: TP183

Recognition Algorithm for Vehicle License Plate Character Based on TensorFlow

  • 摘要: 全连接神经网络将车牌字符图像以一维矩阵的形式进行矩阵运算,忽略了图像自身的特性,且一旦图像像素过多,神经网络的参数规模会急剧增加,常规的神经网络很难训练.基于TensorFlow深度学习框架搭建一种卷积神经网络训练模型,在自制的大小为40×32像素点车牌字符灰度图像数据集基础上,使用搭建的神经网络模型训练得到较好的训练效果,利用多次卷积和池化层提取特征,与全连接神经网络相比极大减少节点数量,提高识别的精准度.通过不同识别算法的准确率对比可见,卷积神经网络对中文、英文和数字的识别更加准确,模型的鲁棒性和泛化能力有很大提高.
  • 加载中
计量
  • 文章访问数:  331
  • HTML全文浏览量:  70
  • PDF下载量:  75
  • 被引次数: 0
出版历程
  • 刊出日期:  2020-09-30

目录

    /

    返回文章
    返回