《表1 测试结果：基于CNN网络的带遮挡车牌识别》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于CNN网络的带遮挡车牌识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过形态学算法构建的样本库主要分为汉字、字母和数字三大类，其中每一个字符通过不同形态、旋转角度、遮挡情况等共构造出10240个样本，随机取其90%作为训练集，其余为测试集。训练框架为TensorFlow1.4，将训练集转存为tfrecord类型以节约内存、统一格式并提高计算效率，通过CNN对样本进行训练与测试，最后实现对车牌的识别。实验设置卷积层池化层各两层，最终通过两层全连接层实现特征输出。具体参数设置:学习率为0.8，学习率的衰减率为0.99，损失函数系数为0.001，每一批次训练128张图片，训练至3200步时趋于收敛，精度为99.978%。同时使用上述网络训练无遮挡的字符样本，每类6542张图片，并对比不同样本库对识别效果的影响，如表1所示。