基于改进LeNet-5网络的车牌字符识别

作者：张秀玲; 魏其珺; 周凯旋; 董逍鹏; 马锴

来源：沈阳大学学报(自然科学版), 2020, 32(04): 312-317.

DOI：10.16103/j.cnki.21-1583/n.2020.04.008

• 卷积神经网络
• 车牌字符识别
• LeNet-5网络
• Inception-SE卷积模块
• 识别精度

引入了Inception-SE卷积模块组来提升LeNet-5网络的广度与深度,运用SE模块增强了有用的特征并抑制了对当前任务用处不大的特征;使用BN层和Dropout优化网络,防止梯度弥散,提升精度;使用全局池化层(global average pooling,GAP)代替全连接层来减少网络计算参数.研究结果表明:改进后网络的识别精度达到了99.88%,比传统的LeNet-5网络提高了1.71%.

• 单位
  燕山大学