[发明专利]基于多任务级联卷积神经网络的车牌检测方法有效
| 申请号： | 201910316667.5 | 申请日： | 2019-04-19 |
| 公开（公告）号： | CN110033002B | 公开（公告）日： | 2022-07-08 |
| 发明（设计）人： | 郭文忠;丁宁;柯逍 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06V30/146 | 分类号： | G06V30/146;G06N3/04;G06N3/08 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350108 福建省福州市闽*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于多任务级联卷积神经网络的车牌检测方法。针对传统的车牌检测方法可扩展性差，泛化能力差，车牌检测效果不佳造成的车牌识别率下降等问题提出了一种多任务级联卷积神经网络的车牌检测方法。为了获得复杂图像中车牌精确定位，该方法通过搭建一种新的多任务级联卷积神经网络模型再CCPD车辆数据上进行大规模训练，其中本发明的网络模型的卷积层采用和BN层相结合的方法来提高对车牌的特征提取能力，加快模型训练速度，使用Relu激活函数增加模型的非线性能力，采用多任务损失函数来提高网络对车牌的分类和回归框准确性，并且回归反馈出车牌的四个关键点信息。最后将训练好的模型应用于车牌检测中。该方法简单灵活，具有较强的实际应用性。 | ||
| 搜索关键词： | 基于 任务 级联 卷积 神经网络 车牌 检测 方法 | ||
【主权项】：
1.一种基于多任务级联卷积神经网络的车牌检测方法，其特征在于，包括以下步骤：步骤S1：采集车辆图像和车牌图像数据，并预处理；步骤S2：构建多任务级联卷积神经网络模型；步骤S3：使用预处理的车辆图像数据对多任务级联卷积神经网络前两级网络进行预训练，使用预处理的车牌图像数据对多任务级联卷积神经网络后一级玩过进行预训练，得到训练好的完整的多任务卷积神经网络模型；步骤S4：对待检测原始图像数据进行resize到不同尺度，构造待检测图像金字塔；步骤S5：将待检测图像金字塔输入到训练好的多任务级联卷积神经网络模型进行车牌检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福州大学，未经福州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910316667.5/，转载请声明来源钻瓜专利网。
- 上一篇：基于稀疏字典学习的矿用皮带堆煤检测方法
- 下一篇：图像分割方法和图像处理装置
