论文研究深度学习在车牌定位中的研究.pdf

为提高场景不断变化下车牌定位的准确性，提出应用深度学习定位的方法。基于最小生成树原理将图像转换成图论中的图，结合相似度进行选择搜索获取车牌候选区域。利用车牌长宽比条件对候选区域进行筛选，以减少数据的不平衡性。通过带平滑项的交叉熵损失函数以及Bootstrapping技术训练深度网络，并用该模型从候选区域中识别出车牌区域。实验表明，该方法在候选区域提取、网络训练阶段以及定位准确率方面均优于其他算法，测试集中准确率为97.6%。