结合双金字塔特征融合与级联定位的车牌检测

TP391.41; 为了解决复杂环境中不同因素干扰车牌检测精确度的问题,提出了一种基于双金字塔特征融合的复杂环境下车牌检测算法.通过采用Mish激活函数的残差网络(ResNet101-M)对输入图像进行初级特征提取;在传统特征金字塔网络(feature pyramid network,FPN)的基础上,提出了一种改进的双金字塔特征融合网络(siamese feature pyramid network,SFPN).被提取的初级特征被送入该网络进行多层特征融合.融合后的特征被送入基于形状先验的锚点设置网络来确定感兴趣区域.将所生成的感兴趣区域送入级联定位网络从而得到准确的车牌检测结果.实验结果表...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 59; no. 2; pp. 240 - 252
Main Authors 张俊青, 熊玉洁, 孙宪坤, 高永彬
Format Journal Article
LanguageChinese
Published 华东师范大学 上海多维度信息处理重点实验室,上海 200241 15.01.2024
上海工程技术大学 电子电气工程学院,上海 201620%上海工程技术大学 电子电气工程学院,上海 201620
Subjects
车牌检测
双金字塔特征融合
深度学习
级联定位
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2108-0439

Cover

More Information
Summary:TP391.41; 为了解决复杂环境中不同因素干扰车牌检测精确度的问题,提出了一种基于双金字塔特征融合的复杂环境下车牌检测算法.通过采用Mish激活函数的残差网络(ResNet101-M)对输入图像进行初级特征提取;在传统特征金字塔网络(feature pyramid network,FPN)的基础上,提出了一种改进的双金字塔特征融合网络(siamese feature pyramid network,SFPN).被提取的初级特征被送入该网络进行多层特征融合.融合后的特征被送入基于形状先验的锚点设置网络来确定感兴趣区域.将所生成的感兴趣区域送入级联定位网络从而得到准确的车牌检测结果.实验结果表明,该算法在AOLP与CCPD车牌数据集上均能够有效提升检测性能.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2108-0439