科研之友
微信
新浪微博
Facebook
分享链接
摘要
为兼顾车牌识别的精确度与鲁棒性，提高工程应用价值，提出一种基于改进LeNet5-CNN（卷积神经网络）的车牌识别工程应用优化算法。使用SE模块代替传统LeNet5模型中第三层及第五层的对应内容，同时将第2个全连接层以平均池化层来代替，且增加正则化及归一化处理，保证精度的前提下，减少计算量。在已有工程智能摄像头识别后，增加车牌识别再处理服务器，服务器中架设本算法，通过双重化识别优化工程应用。实验结果表明：设计的精度和收敛时长，明显优于传统方案；横向对比数据显示，本设计精确度更优，高达98.6%；实际工程应用对比该算法很好的解决第二位字母A和B无法识别问题，极大提高工程效应。
- 出版日期2022
- 单位福建江夏学院
