公开(公告)号：CN111598089A

公开(公告)日：2020-08-28

申请号：CN202010415678.1

申请日：2020-05-16

Applicant: 湖南大学

Inventor： 肖德贵 ,  张璐

IPC: G06K9/32 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的车牌矫正与识别方法，包括以下步骤：S1：利用基于深度学习的车牌检测方法定位车牌的大致区域；S2：构建车牌矫正网络ICSTN(Inverse Compositional Spatial Transformer Network，反向合成空间变换网络)；S3：构建不定长的车牌序列识别深度网络CRNN；S4：对S1中每个获取到的车牌序列图片标注一个车牌序列标签。本发明既结合了基于深度学习的车牌矫正网络，能够实时地对车牌实现矫正，又借助了无分割的深度车牌序列识别网络，避免了图像噪声对分割所造成的误差,对于车牌识别的应用有着极大的价值。

公开(公告)号：CN111598089B

公开(公告)日：2023-04-14

申请号：CN202010415678.1

申请日：2020-05-16

Applicant: 湖南大学

Inventor： 肖德贵 ,  张璐

IPC: G06V20/62 ,  G06V30/146 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的车牌矫正与识别方法，包括以下步骤：S1：利用基于深度学习的车牌检测方法定位车牌的大致区域；S2：构建车牌矫正网络ICSTN(Inverse Compositional Spatial Transformer Network，反向合成空间变换网络)；S3：构建不定长的车牌序列识别深度网络CRNN；S4：对S1中每个获取到的车牌序列图片标注一个车牌序列标签。本发明既结合了基于深度学习的车牌矫正网络，能够实时地对车牌实现矫正，又借助了无分割的深度车牌序列识别网络，避免了图像噪声对分割所造成的误差,对于车牌识别的应用有着极大的价值。