基于DenseNet与ResNeXt算法的车牌定位识别方法研究

利用卷积神经网络易于提取图像特征的优势,直接搭建一个统一的深度神经网络,可在进行车牌定位的同时进行识别,并且整个网络可以进行端到端的训练,可直接提高整个系统识别的准确率和鲁棒性。针对卷积神经网络在连续增天网络层数的时候,会引起梯度消失,产生网络性能的退化问题。研究将DenseNet与ResNeXt结合的网络模块应用于车牌定位识别系统中,经验证,该算法系统识别准确率高、速度快,可以在车牌识别系统中广泛使用。