典型文献
基于YOLOv3和MobileNetv2的银行卡号识别方法
文献摘要：
针对当前银行卡号识别易受复杂背景、环境光线等因素干扰导致识别率低、不稳定的问题,提出基于YOLOv3和MobileNetv2的银行卡号识别方法.首先预处理数据集,收集多样式银行卡图片,批量进行拉普拉斯锐化及部分图像增强处理,标注图像;然后构建YOLOv3区域分割网络结构,将已标注好的数据集输入YOLOv3网络,优化目标尺寸损失和focal loss优化置信度损失,控制迭代计算,分割字码区域,输出初步识别模型,计算初步识别结果;再构建改进后的YOLOv3网络和基础MobileNetv2网络,输入预处理数据集进行训练,输出联合识别模型,计算联合识别结果;最后比对初步识别结果和联合识别结果,输出准确率最高的结果.实验时,整合扩建中软杯与和鲸科技银行卡数据集,根据字码形态分为4种类型,分别进行定位识别及准确率对比实验.结果表明,在字码区域定位效果方面,所提方法优于传统CNN和基础YOLOv3方法;在字码识别准确率方面,所提方法在4种类型银行卡上的准确率达93.74％,93.21％,95.14％和99.10％,皆优于改进的YOLOv3和YOLOv3-MobileNetv2等方法.实验证明,所提方法可以识别复杂背景下不同字码形态的银行卡字码,克服了环境因素对卡号识别的影响,提升了识别准确率,具有良好的鲁棒性,且在设计实现的验证系统和应用平台上运行稳定、可靠.
文献关键词：
银行卡号识别;字码区域分割;尺寸损失;置信度损失;联合识别
中图分类号：
作者姓名：
蔡兴泉;阮瓒茜;孙海燕
作者机构：
北方工业大学信息学院 北京 100144
文献出处：
引用格式：
[1]蔡兴泉;阮瓒茜;孙海燕-.基于YOLOv3和MobileNetv2的银行卡号识别方法)[J].计算机辅助设计与图形学学报,2022(01):142-151
A类：
银行卡号识别,尺寸损失,字码区域分割
B类：
YOLOv3,MobileNetv2,复杂背景,环境光,光线,识别率,预处理数据,多样式,拉普拉斯,锐化,图像增强处理,分割网络,集输,优化目标,标尺,focal,loss,置信度损失,迭代计算,识别模型,再构,联合识别,扩建,中软,定位识别,区域定位,定位效果,识别准确率,设计实现,验证系统,应用平台,运行稳定
AB值：
0.240492
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
