欢迎来到天天文库
浏览记录
ID:20589292
大小:85.77 KB
页数:14页
时间:2018-10-13
《基于卷积神经网络lenet-5的货运列车车号识别研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、基于卷积神经网络LeNet?5的货运列车车号识别研究摘要:针对货运列车车号字符识别,提出了基于卷积神经网络LeNet?5的改进识别方法,考虑到卷积神经网络的层次化以及局部领域等结构特点,对网络中各层特征的数量及大小等参数进行相应的改进,形成了适用于货运车号识别的新网络模型。实验结果表明,该方法对车号的断裂、污损等问题的解决有较强的鲁棒性,达到了较高的识别率,为整个车号识别系统的精确性提供了保障。关键词:列车车号;车号识别;卷积神经网络;LeNet?5中图分类号:TN911.73?34;TP391文
2、献标识码:A文章编号:10042373X(2016)13?0063?04Abstract:Forthecharacterrecognitionoffreighttrainlicense,theimprovedrecognitionmethodbasedonconvolutionalneuralnetworkLeNet?5isproposed.Consideringthestructuralfeaturesofthehierarchicalconvolutionalneuralnetworkandl
3、ocalfield,theparametersofquantityandsizeofeachlayerfeaturepatterninthenetworkwereimprovedcorrespondinglytoformthenewnetworkmodelsuitableforthefreighttrainlicenserecognition.The基于卷积神经网络LeNet?5的货运列车车号识别研究摘要:针对货运列车车号字符识别,提出了基于卷积神经网络LeNet?5的改进识别方法,考虑到卷积神经
4、网络的层次化以及局部领域等结构特点,对网络中各层特征的数量及大小等参数进行相应的改进,形成了适用于货运车号识别的新网络模型。实验结果表明,该方法对车号的断裂、污损等问题的解决有较强的鲁棒性,达到了较高的识别率,为整个车号识别系统的精确性提供了保障。关键词:列车车号;车号识别;卷积神经网络;LeNet?5中图分类号:TN911.73?34;TP391文献标识码:A文章编号:10042373X(2016)13?0063?04Abstract:Forthecharacterrecognitionoffr
5、eighttrainlicense,theimprovedrecognitionmethodbasedonconvolutionalneuralnetworkLeNet?5isproposed.Consideringthestructuralfeaturesofthehierarchicalconvolutionalneuralnetworkandlocalfield,theparametersofquantityandsizeofeachlayerfeaturepatterninthenetwo
6、rkwereimprovedcorrespondinglytoformthenewnetworkmodelsuitableforthefreighttrainlicenserecognition.The基于卷积神经网络LeNet?5的货运列车车号识别研究摘要:针对货运列车车号字符识别,提出了基于卷积神经网络LeNet?5的改进识别方法,考虑到卷积神经网络的层次化以及局部领域等结构特点,对网络中各层特征的数量及大小等参数进行相应的改进,形成了适用于货运车号识别的新网络模型。实验结果表明,该方法对车号
7、的断裂、污损等问题的解决有较强的鲁棒性,达到了较高的识别率,为整个车号识别系统的精确性提供了保障。关键词:列车车号;车号识别;卷积神经网络;LeNet?5中图分类号:TN911.73?34;TP391文献标识码:A文章编号:10042373X(2016)13?0063?04Abstract:Forthecharacterrecognitionoffreighttrainlicense,theimprovedrecognitionmethodbasedonconvolutionalneuralnet
8、workLeNet?5isproposed.Consideringthestructuralfeaturesofthehierarchicalconvolutionalneuralnetworkandlocalfield,theparametersofquantityandsizeofeachlayerfeaturepatterninthenetworkwereimprovedcorrespondinglytoformthenewnetworkmodelsuitableforthe
此文档下载收益归作者所有