您现在的位置是:网站首页 > 当代诗歌

基于深度学习的污损车牌检测与识别关键技术研究

本站2019-07-07145人围观
简介 摘要第4-6页Abstract第6-7页第1章绪论第10-21页研究背景及意义第10-11页国内外研究现状第11-19页深度学习理论概述第11-14页车牌识别研究现状第14-19页本文研究内容

基于深度学习的污损车牌检测与识别关键技术研究

摘要第4-6页Abstract第6-7页第1章绪论第10-21页研究背景及意义第10-11页国内外研究现状第11-19页深度学习理论概述第11-14页车牌识别研究现状第14-19页本文研究内容第19-20页本文组织结构第20-21页第2章车牌定位与修复算法第21-42页我国车牌种类及特征第21-22页车辆图像预处理第22-26页图像增强处理第23-25页灰度化处理第25-26页基于MSER和LPL-CNN的车牌定位第26-34页车牌定位算法及其局限性第26-28页基于MSER的车牌粗定位第28-30页车牌图像倾斜校正第30页基于LPL-CNN的车牌精定位第30-34页基于纹理块与梯度特征的车牌修复第34-41页图像修复算法及其局限性第34-36页车牌图像预处理第36-37页基于纹理块与梯度特征的车牌修复第37-41页小结第41-42页第3章基于LPR-CNN和BiRNN的车牌识别第42-53页车牌识别算法及其局限性第42-44页图像预处理第44页基于LPR-CNN的特征序列生成第44-47页本文LPR-CNN网络设计第44-46页图像特征序列生成第46-47页基于BiRNN和CTC的车牌字符串生成第47-52页网络结构概述第47-49页车牌特征序列标注第49-51页基于CTC的车牌字符串生成第51-52页小结第52-53页第4章实验结果及分析第53-74页实验准备第53-59页实验软硬件环境第53-54页实验数据集第54-55页神经网络训练策略第55-57页评价指标第57-59页车牌定位结果分析第59-64页粗定位算法实验与结果分析第59-60页精定位实验与结果分析第60-63页车牌定位综合实验与结果分析第63-64页车牌修复结果分析第64-66页车牌识别结果分析第66-69页车牌识别原型系统第69-73页原型系统设计第70-71页测试结果及分析第71-73页小结第73-74页第5章总结与展望第74-76页本文工作总结第74-75页未来工作展望第75-76页致谢第76-77页参考文献第77-83页攻读硕士学位期间发表的论文及参加的科研项目第83-84页附录A第84-85页附录B第85-86页。