计算机工程与应用

2021, v.57;No.989(22) 208-214

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

轻量型多尺度注意力融合的车牌检测算法
Lightweight Multi-scale Attention Fusion Algorithm for License Plate Detection

张世豪;杨绣郡;吴林煌;陈平平;

摘要(Abstract):

车牌识别技术在交通管理中发挥着重要作用,其中车牌检测环节对后续识别性能有重大影响。现有的车牌检测系统容易受到外部环境的干扰,在自然场景下的检测性能差。提出一种基于多尺度注意力融合的车牌检测网络模型,利用金字塔网络特征图和CBAM(Convolutional Block Attention Module)注意力结构,提高小目标的检测精度。同时该方法不仅能够准确地检测定位出自然场景下的车牌,还能精确地定位出车牌的4个角点,有利于后续的车牌识别应用。实验中采用数据增强方法对CCPD数据集进行扩增,有效缓解了复杂环境变化对车牌检测造成的影响,增强了模型鲁棒性。通过对模型进行训练和测试,获得了98.05%的平均精确率和98.71%的召回率,优于其他车牌检测方法,并且帧率达到64 frame/s,实时性高。

关键词(KeyWords): 深度学习;目标检测;车牌检测;注意力机制

Abstract:

Keywords:

基金项目(Foundation): 福州大学科研启动项目(XRC-18053);; 福州市科技局项目(2019-G-48)

作者(Author): 张世豪;杨绣郡;吴林煌;陈平平;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享