《表4 车号整体识别结果对比表》
将第5.2.2节所述6种方法的定位结果输入给Attention-OCR模型识别,车号整体识别结果如表4所示,每幅图像的识别速度是0.04 s.将未经过任何网络修改的CTPN方法定位模型的定位结果作为输入时,Attention-OCR模型表现出的识别精确率和召回率是最低的,此时的F1分数只有0.67.加入水平方向回归层、BSF策略和HEM策略后,精确率从0.70提升到0.80,召回率从0.65提升到0.75,识别效果有所提高.在CTPN+HR+BSF+HEM方法的基础上融合多尺度特征图后,小车号的漏检率降低,可以检测到更多的车号区域,此时效果最好,文本识别的精确率和召回率都比较高,F1分数是0.81.表4最后一行是将手工标注的915幅测试图像的车号区域作为车号识别模型的输入,此时的F1分数是0.83,识别效果最好,说明改进定位结果的定位边界可以改善识别效果.
图表编号 | XD00189026900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 艾鑫、邹琪、罗常津 |
绘制单位 | 北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院、中国铁道科学研究院电子计算技术研究所 |
更多格式 | 高清、无水印(增值服务) |