一種基于RetinaNet網(wǎng)絡(luò)改進(jìn)的新能源車(chē)牌檢測(cè)識(shí)別方法

基本信息

申請(qǐng)?zhí)?/td> CN202111210978.7 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN114170590A 公開(kāi)（公告）日 2022-03-11
申請(qǐng)公布號(hào) CN114170590A 申請(qǐng)公布日 2022-03-11
分類(lèi)號(hào) G06V20/62（2022.01）I;G06V10/44（2022.01）I;G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類(lèi) 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 周天陽(yáng);毛小明;張一帆 申請(qǐng)（專(zhuān)利權(quán)）人 中科南京人工智能創(chuàng)新研究院
代理機(jī)構(gòu) 南京泰普專(zhuān)利代理事務(wù)所（普通合伙） 代理人 張磊
地址 211135江蘇省南京市創(chuàng)研路266號(hào)麒麟人工智能產(chǎn)業(yè)園3號(hào)樓3樓
法律狀態(tài) -

摘要

摘要 本發(fā)明提出一種基于RetinaNet網(wǎng)絡(luò)改進(jìn)的新能源車(chē)牌檢測(cè)識(shí)別方法，包括車(chē)牌檢測(cè)網(wǎng)絡(luò)與車(chē)牌識(shí)別網(wǎng)絡(luò)。所述車(chē)牌檢測(cè)網(wǎng)絡(luò)包括：圖像特征層提取，圖像特征層聚合，計(jì)算損耗，結(jié)果預(yù)測(cè)；其中采用采用了輕量級(jí)網(wǎng)絡(luò)MobileNetv2代替ResNet50網(wǎng)絡(luò)，降低運(yùn)算量；引入ResNet的block部分解決所述MobileNetv2網(wǎng)絡(luò)信息丟失問(wèn)題；并在FPN層上進(jìn)行改進(jìn)去提高模型的精度。所述車(chē)牌識(shí)別網(wǎng)絡(luò)主要包括圖像特征層提取，計(jì)算損耗，結(jié)果預(yù)測(cè)；其中同樣采用采用了輕量級(jí)網(wǎng)絡(luò)MobileNetv2代替ResNet50網(wǎng)絡(luò)，降低運(yùn)算量，并加入了新能源車(chē)牌顏色識(shí)別方法。本發(fā)明降低了模型的參數(shù)量和計(jì)算力，使其能更好地部署在普通的嵌入式設(shè)備上，降低車(chē)牌檢測(cè)識(shí)別任務(wù)在實(shí)際生活場(chǎng)景中的應(yīng)用成本問(wèn)題。