[发明专利]一种基于Faster R-CNN和Inception ResNet_v2模型的车牌识别方法

权利要求书

1.一种基于Faster R-CNN和Inception ResNet_v2模型的车牌识别方法，其特征在于：原始图像先输入CNN进行特征提取，输出的特征图分为两部分被RPN层和RoI层共享，其中一部分特征图经过RPN层得到多个候选框，之后将候选框投影到另一部分的特征图上共同输入RoI特征图用作后续全连接层的输入进行分类与回归。最后根据NMS算法筛选Bounding-box，找出最佳位置以及对应的分类概率。

2.根据权利要求1所述的一种基于Faster R-CNN和Inception ResNet_v2模型的车牌识别方法，其特征在于：ResNet(Residual Neural Network)引入了残差学习单元(Residual Unit)从而进一步提升图像分类水准。引入残差学习单元，开始的输入信息可以传输到后面的层中，假设输入x经过网络之后，不进行残差计算的输出应该为F(x)，二将x传输到输出之后，输出结果就为H(x)＝F(x)+x，这也就是残差，图2展示了这个过程。ResNetV2中每层网络中的残差学习单元都使用了归一化处理。

3.根据权利要求2所述的一种基于Faster R-CNN和Inception ResNet_v2模型的车牌识别方法，其特征在于：Inception ResNet V2模型网络是在Inception V3的基础上结合了微软的ResNet2，引入的残差连接替代过滤器的连接，加速了网络收敛，显著提高初试训练速度。