为解决边缘设备端车牌识别系统适应性差和识别率低的问题，提出一种基于深度学习处理单元(DPU)的车牌识别系统设计方法.该方法首先将车牌识别网络进行改造使其可在DPU上运行，并通过压缩与激励(SE)模块组合优化神经网络识别率.将DPU部署在现场可编程门阵列(FPGA)上，调用神经网络对视频图像进行车牌识别，设计出可兼顾新能源车牌的车牌识别系统.实验结果表明，以大规模数据集作为图像输入，车牌识别系统的平均识别准确率可达94.1%,运行速率可达4 ms.
科研之友
微信
新浪微博
Facebook
分享链接
