Сверточная нейронная сеть для распознавания символов номерного знака автомобиля
Боковая панель статьи
Основное содержимое статьи
Аннотация
В работе рассматривается подход к распознаванию изображений символов автомобильного номера на основе сверточных нейронных сетей (СНН, convolutional neural network). Использование сверточных нейронных сетей для распознавания изображений обусловлено двумя основными факторами: 1) снижение сложности нейронной сети и сложности ее обучения, в сравнении с классическим многослойным персептроном, что актуально в области обработки и анализа изображений; 2) повышение устойчивости распознавания к различным к искажениям символов в сравнении с классическими нейронными сетями и другими методами классификации изображений. В работе описывается процесс разработки сверточной нейронной сети для распознавания изображений символов автомобильного номера. В завершении проводится сравнения качества разработанного метода и метода на основе сопоставления шаблонов (template matching).
Скачивания
Информация о статье
Библиографические ссылки
LeCun Y., Bengio Y. Convolutional Networks for Images, Speech, and Time-Series, in Arbib, M. A. (Eds), The Handbook of Brain Theory and Neural Networks. - MIT Press, 1995.
LeCun Y., Bottou L., Bengio Y. and Haffner P. Gradient-Based Learning Applied to Document Recognition. - Proceedings of the IEEE, 1998. - Vol. 86. - № 11. - Pp. 2278-2324.
LeCun Y., Bottou L., Orr G. and Muller K. Efficient BackProp in Neural Networks: Tricks of the trade. - 1998.
Patrice Y. Simard, Steinkraus D., Platt J. C. Best Practices for Convolutional Neural Networks Applied to Visual Document Analysis // Seventh International Conference on Document Analysis and Recognition (ICDAR), IEEE Computer Society. - Los Alamitos, 2003. - Pp. 958-962.