《表4 车号整体识别结果对比表》

  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

《面向精确定位的列车车号文本定位与识别》

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

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.