基于卷积神经网络LeNet-5的车牌字符识别研究

被引：151

作者：

赵志宏 ^{[1
,2
]}

杨绍普 ^{[2
]}

马增强 ^{[1
,2
]}

机构：

[1] 北京交通大学机械与电子控制工程学院

[2] 石家庄铁道学院

来源：

系统仿真学报 | 2010年 / 03期

基金：

国家杰出青年科学基金;

关键词：

字符识别; 车牌识别; 卷积神经网络; LeNet-5;

D O I：

10.16182/j.cnki.joss.2010.03.040

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

将卷积神经网络LeNet-5引入到车牌字符识别中。为了适应目前中国车牌字符识别的需要,对传统的卷积神经网络LeNet-5的结构进行了改进,主要是改变输出单元的个数与增加卷积层C5特征图的个数。研究结果表明,改进后的LeNet-5比传统的LeNet-5的识别率有所提高,识别率达到98.68%。另外,与BP神经网络进行了比较研究,从实验中可以看出在字符识别的正确率和识别速度上都优于BP神经网络。卷积神经网络在车牌识别中具有很好地应用前景。

引用

页码：638 / 641

页数：4