基于改进LeNet-5的街景门牌号码识别方法

发布时间：2018-06-15 06:27

本文选题：卷积神经网络 + 门牌号码识别　；参考：《云南大学学报(自然科学版)》2016年02期

【摘要】：以真实场景中拍摄的街景门牌号码图像数据集SVHN为研究对象,将卷积神经网络与支持向量机相结合,提出了一种基于改进LeNet-5的街景门牌号码快速识别方法.该方法首先对数据进行图像增强预处理,突出有效特征;然后,省去基本LeNet-5中的第3卷积层,并用SVM分类器代替最后输出层中的Softmax分类器,以简化网络结构的同时提高分类效率.在国际公开的SVHN数据集的实验结果表明,改进LeNet-5可以有效识别街景门牌号码,7h便可训练得出结构稳定的网络识别模型,识别率达到90.35%,提高了算法的综合效率.
[Abstract]:Taking SVHN as the object of study, a fast recognition method based on improved LeNet-5 is proposed by combining convolution neural network with support vector machine (SVM). The method firstly preprocesses the data for image enhancement to highlight effective features, and then eliminates the third convolution layer in the basic LeNet-5, and uses SVM classifier to replace the Softmax classifier in the final output layer. In order to simplify the network structure and improve the classification efficiency. The experimental results in the internationally published SVHN data set show that the improved LeNet-5 can effectively recognize the street view gate number for 7 hours and can be trained to obtain the network recognition model with stable structure. The recognition rate reaches 90.35 and the comprehensive efficiency of the algorithm is improved.
【作者单位】：现代教学技术教育部重点实验室;陕西师范大学计算机科学学院;陕西省语音与图像信息处理重点实验室;
【基金】：国家自然科学基金(61501287;61501286) 陕西省重点实验室开放共享项目(SAIIP201202) 陕西师范大学学习科学交叉学科培育计划开放课题
【分类号】：TP391.41

【相似文献】