-
Patent Agency Ranking
公开(公告)号：CN111860509B
公开(公告)日：2024-12-20
申请号：CN202010740029.9
申请日：2020-07-28
Applicant: 湖北九感科技有限公司 , 三峡大学
IPC: G06V20/62 , G06V10/24 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 一种由粗到精的两阶段非约束车牌区域精准提取方法，首先利用YOLOv3网络对车牌图像中的车牌区域进行粗定位，然后使用基于MobileNetV3改进的网络在粗定位区域中定位车牌顶点位置，最后利用透视变换将精定位的车牌区域校正到矩形区域内。本发明使用两阶段的车牌定位方法，相比于直接进行车牌定位的一阶段网络，在车牌定位的精度上有着更加明显的优势，同时也保持了车牌定位的实时性。
-
公开(公告)号：CN111914839A
公开(公告)日：2020-11-10
申请号：CN202010740113.0
申请日：2020-07-28
Applicant: 三峡大学
Abstract: 基于YOLOv3的同步端到端车牌定位与识别方法，获取车牌外接矩形框以及车牌号信息，制作成数据集标签文件，将数据集分为训练数据集、验证数据集和测试数据集；训练基于YOLOv3的车牌检测与识别一体化网络LP-Yolo，使之能在检测车牌的同时实现对多种类型车牌的识别，将训练数据集增广后，放入网络训练；利用训练好的网络模型，在测试数据集上对车牌进行定位和识别，然后评估模型。本发明能对多种类型及不同长度的车牌进行分类并识别。同时，该方法提出的网络LP-Yolo能在各种非约束环境下快速准确检测并识别车牌。
-
公开(公告)号：CN113642553A
公开(公告)日：2021-11-12
申请号：CN202110827446.1
申请日：2021-07-21
Applicant: 三峡大学
Abstract: 一种整体与部件目标检测相结合的非约束车牌精准定位方法，首先利用YOLOv3算法同步检测以车牌顶点为中心的4类左上、右上、右下、左下顶点目标区域和车牌区域，然后通过定位车牌顶点区域间接实现对车牌顶点位置的预测，并结合忽略类别的非极大值抑制算法CF_NMS、顶点区域归类、单一缺失顶点预测的后处理操作获取准确的车牌区域。最后，为进一步提升整体与部件目标检测相结合的车牌定位算法的性能，将多模型融合、粗定位与精定位结合等策略融入定位算法中，并经过实验验证了策略的有效性。本发明设计的整体与部件目标检测相结合的车牌定位算法，在不改变YOLOv3模型结构，同时不增加额外计算量的基础上实现了车牌顶点目标的检测，实现车牌精准定位。
-
公开(公告)号：CN112560852A
公开(公告)日：2021-03-26
申请号：CN202011474221.4
申请日：2020-12-15
Applicant: 三峡大学
Abstract: 基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法，在原始YOLOv3网络模型基础上，对YOLOv3网络模型输出层特征信息进行扩展，增加目标完整性预测、目标倾斜程度类别预测、目标最小外接矩形边界框位置预测，实现精准的目标定位。本发明提供一种基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法，直接使用YOLOv3目标框作为不完整目标的检测框，所提方法为端到端的卷积神经网络，不仅在速度上具有较大的优势，同时还提升了采用矩形框定位方法的精准程度。
-
公开(公告)号：CN111860509A
公开(公告)日：2020-10-30
申请号：CN202010740029.9
申请日：2020-07-28
Applicant: 湖北九感科技有限公司 , 三峡大学
Abstract: 一种由粗到精的两阶段非约束车牌区域精准提取方法，首先利用YOLOv3网络对车牌图像中的车牌区域进行粗定位，然后使用基于MobileNetV3改进的网络在粗定位区域中定位车牌顶点位置，最后利用透视变换将精定位的车牌区域校正到矩形区域内。本发明使用两阶段的车牌定位方法，相比于直接进行车牌定位的一阶段网络，在车牌定位的精度上有着更加明显的优势，同时也保持了车牌定位的实时性。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
