一种车辆识别代号检测和识别的弱监督学习方法

• Published in: 光电工程 Vol. 48; no. 2; pp. 78 - 90
• Main Authors: 曹志, 尚丽丹, 尹东
• Format: Journal Article
• Language: Chinese
• Published: 中国科学技术大学信息科学技术学院,安徽合肥 230027 15.02.2021; 中国科学技术大学中国科学院电磁空间信息重点实验室,安徽合肥230027
• Subjects: 自然场景文本识别; 车辆识别代号; 卷积神经网络; 弱监督学习; 自然场景文本检测
• ISSN: 1003-501X
• DOI: 10.12086/oee.2021.200270

TP391.4%TP181; 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.