基于样本扩充的小样本车牌识别

作     者：尤鸣宇 韩煊 You Mingyu;Han Xuan

作者机构：同济大学电子与信息工程学院 

基　　金：上海市自然科学基金(18ZR1442600) 

出 版 物：《南京师大学报（自然科学版）》 (Journal of Nanjing Normal University(Natural Science Edition))

年 卷 期：2019年第42卷第3期

页      码：1-10页

摘      要：车牌识别技术作为智能交通系统的核心课题之一,一直受到广泛的关注.近年来深度学习技术的迅速发展,更是为其提供了一种良好的解决方案.但实际场景下,研究者有时很难收集到足够的数据以支持模型训练.本文聚焦于小样本车牌识别问题,提出了使用生成对抗网络生成车牌图像,辅助后续模型训练的方法.本文方法先使用CycleWGAN合成大量带标签车牌图像;之后用合成图像对识别模型进行预训练;最后使用原始真实数据微调模型,进一步提高模型的准确率.本文在多个数据集上验证此方法,均获得了明显的效果增益,特别是当真实数据相对有限时,本文方法将准确率从已经较高的基线上又提升了7.5%.另外,在较困难的双动态车牌图像上,本文方法也取得了不俗的效果.最后,引入模型压缩技术,在原方法的基础上设计并实现了LightRCNN,使识别速度提升近1倍.

主 题 词：小样本车牌识别 生成对抗网络 卷积神经网络 双向循环神经网络 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1001-4616.2019.03.001

馆 藏 号：203795939...