基于深度学习的美式车牌检测与识别技术

针对美式车牌存在背景图案多样、文本信息复杂,传统车牌识别方法难以同时满足对不同样式车牌进行识别的问题,通过对文本建议网络和卷积递归神经网络研究,本文提出了一种美式车牌检测与识别方法.针对美式车牌检测时产生多个文本框,且有些车牌号由于被图案隔断不在同一文本框的情况,设计了一套用于筛选车牌号的锚点机制.使用Adam优化算法训练卷积递归神经网络.本文构建了美式车牌数据集,进行验证实验,州名的识别率达到了92％,车牌号的识别率达到了84％,共同识别率达到了82％.且本文提出的网络模型大小不到60 MB,实时性强.提出的SE-MobileNetV2快速特征提取模型,大幅提高特征提取速度.