公开(公告)号：CN112308092B

公开(公告)日：2023-02-28

申请号：CN202011316603.4

申请日：2020-11-20

Applicant: 福州大学

Inventor： 吴林煌 ,  张世豪 ,  杨绣郡 ,  陈志峰

IPC: G06V10/44 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明提出一种基于多尺度注意力机制的轻量型车牌检测与识别方法，其车牌检测识别网络构建包括以下步骤；步骤S1：获取图片作为原始数据集；步骤S2：对原始数据集处理，得到用于训练检测车牌的模型的数据集A、用于训练车牌识别的模型的数据集B；步骤S3：构建用于检测车牌的深度神经网络；步骤S4：将数据集A的原始图像P1输入到步骤S3构造的网络中，得到车牌检测区域P2以及车牌的四个角点；步骤S5：将P2根据车牌的角点做透视变换得到矫正后的图像P3。步骤S6：构建用于识别车牌的深度神经网络；步骤S7：将P3输入到步骤S6构造的网络中，得到检测到的车牌所对应的车牌号码；本发明可以在保证网络精确度的情况下同时获得较低的网络参数量和计算量。

公开(公告)号：CN112308092A

公开(公告)日：2021-02-02

申请号：CN202011316603.4

申请日：2020-11-20

Applicant: 福州大学

Inventor： 吴林煌 ,  张世豪 ,  杨绣郡 ,  陈志峰

IPC: G06K9/46 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明提出一种基于多尺度注意力机制的轻量型车牌检测与识别方法，其车牌检测识别网络构建包括以下步骤；步骤S1：获取图片作为原始数据集；步骤S2：对原始数据集处理，得到用于训练检测车牌的模型的数据集A、用于训练车牌识别的模型的数据集B；步骤S3：构建用于检测车牌的深度神经网络；步骤S4：将数据集A的原始图像P1输入到步骤S3构造的网络中，得到车牌检测区域P2以及车牌的四个角点；步骤S5：将P2根据车牌的角点做透视变换得到矫正后的图像P3。步骤S6：构建用于识别车牌的深度神经网络；步骤S7：将P3输入到步骤S6构造的网络中，得到检测到的车牌所对应的车牌号码；本发明可以在保证网络精确度的情况下同时获得较低的网络参数量和计算量。