基于卷积神经网络的模糊车牌图像检测与识别优化

针对当前深度学习网络模型对模糊车牌图像的特征识别能力有限、识别精度较低和速度较慢等问题,提出以二阶优化算法,即以共轭梯度法与拟牛顿法作为卷积神经网络识别模型的优化算法,对模糊车牌图像进行检测和识别,并与一阶优化算法梯度下降算法作为优化算法的模型从识别精确度、识别时间、收敛速度3个方面进行对比。实验结果表明:共轭梯度法与拟牛顿法的识别准确率分别达到了96.9%和96.6%,相比于梯度下降算法的76.1%有所提高,识别时间和收敛速度差距均处于可接受范围内。