面向铁路货车车号定位的Faster R-CNN卷积神经网络

为了解决传统算法对于铁路货运列车车号识别准确率不高问题,提出了一种面向铁路货车车号定位的Faster R-CNN神经网络。通过调整特征提取网络的相关尺寸参数及连接方式增强了最后一层卷积特征图的细节特征。并采用k-means++聚类算法求取车号区域长宽比改进anchor尺寸设计,使目标检测框与实际车号区域更加贴合。实验过程中,采用了数据增广、dropout方法提升网络的鲁棒性。结果显示,改进Faster R-CNN网络在铁路货车车号定位精度达到了93.15%,召回率90.76%,综合F1指标91.94%,也说明该方法能够对铁路货车车号准确定位,并为车号识别过程提供可靠的数据支持。