基于多目标优化多任务学习的端到端车牌识别方法
周晓君1
高媛2
李超杰2
阳春华2
1.中南大学自动化学院,湖南长沙410083;湖南湘江人工智能学院,湖南长沙4100832.中南大学自动化学院,湖南长沙410083
摘要：本文针对多个车牌识别任务之间存在竞争和冲突,导致难以同时提高多个车牌的识别率的问题,提出基于多目标优化多任务学习的端到端车牌识别方法.首先,通过分析某些车牌识别任务容易占主导地位,而其他任务无法得到充分优化的问题,建立基于多任务学习的车牌识别模型.接着,针对字符分割造成车牌识别准确率较低、鲁棒性较差的问题,提出基于多任务学习的端到端车牌识别方法.最后,针对多个车牌识别任务间难以权衡的问题,提出一种基于多目标优化的多任务学习方法,以提高多个车牌识别的准确率.将本文所提方法在标准车牌数据集上进行测试,实验结果验证了该方法的有效性和优越性,其他代表性方法相比可以提高车牌识别的准确率、快速性和鲁棒性.
关键词：车牌识别多任务学习多目标优化深度神经网络机器学习
资助基金：国家自然科学基金(61860206014)国家自然科学基金(61873285)湖南省科技基金项目(2019RS1003)
论文发表日期：2021-05-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：13( 676-688 )
英文信息