-
题名基于神经网络的车辆识别代号识别方法
被引量：3
- 1
-
-
作者
孟凡俊
尹东
-
机构
中国科学技术大学信息科学技术学院
中国科学院电磁空间信息重点实验室
-
出处
《光电工程》
CAS
CSCD
北大核心
2021年第1期51-60,共10页
-
基金
安徽省2018年度重点研究与开发计划项目(1804a09020049)。
-
文摘
在车辆识别和车辆年检时,正确识别车架上金属刻印的车辆识别代号(VIN)是非常重要的环节。针对VIN序列,本文提出了一种基于神经网络的旋转VIN图片识别方法,它由VIN检测和VIN识别两部分组成。首先,在EAST算法基础上利用轻量级神经网络提取特征,并结合文本分割实现快速、准确的VIN检测;其次,将VIN识别任务作为一个序列分类问题,提出了一种新的识别VIN方法,即通过位置相关的序列分类器,预测出最终的车辆识别代号。为了验证本文的识别方法,引入了一个VIN数据集,其中包含用于检测的原始旋转VIN图像和用于识别的水平VIN图像。实验结果表明,本文方法能有效地识别车架VIN图片,同时达到了实时性。
-
关键词
车辆识别代号
神经网络
文本分割
机器视觉
-
Keywords
vehicle identification number
neural network
text segmentation
machine vision
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种车辆识别代号检测和识别的弱监督学习方法
被引量：2
- 2
-
-
作者
曹志
尚丽丹
尹东
-
机构
中国科学技术大学信息科学技术学院
中国科学技术大学中国科学院电磁空间信息重点实验室
-
出处
《光电工程》
CAS
CSCD
北大核心
2021年第2期78-90,共13页
-
基金
安徽省重点研究与开发计划项目(1804a09020049)。
-
文摘
车辆识别代号对于车辆年检具有重要的意义。由于缺乏字符级标注,无法对车辆识别代号进行单字符风格校验。针对该问题,设计了一种单字符检测和识别框架,并对此框架提出了一种无须字符级标注的弱监督学习方法。首先,对VGG16-BN各个层次的特征信息进行融合,获得具有单字符位置信息与语义信息的融合特征图;其次,设计了一个字符检测分支和字符识别分支的网络结构,用于提取融合特征图中的单字符位置和语义信息;最后,利用文本长度和单字符类别信息,对所提框架在无字符级标注的车辆识别代号数据集上进行弱监督训练。实验结果表明,本文方法在车辆识别代号测试集上得到的检测Hmean数值达到0.964,单字符检测和识别准确率达到95.7%,具有很强的实用性。
-
关键词
卷积神经网络
弱监督学习
自然场景文本检测
自然场景文本识别
车辆识别代号
-
Keywords
convolutional neural network
weakly supervised learning
scene text detection
scene text recognition
vehicle identification number(VIN)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
