典型文献
基于改进YOLOv4网络的水表读数识别方法
文献摘要：
在远程水表读数自动识别系统中,为减少网络模型参数量,改善受雾化、抖动等干扰的水表复杂场景图像读数识别精度及半字识别问题,提出了一种基于改进YOLOv4网络的水表读数识别方法.首先,利用深度可分离卷积与引入压缩与激发(squeeze-and-excitation,SE)注意力机制的MobileNetv2瓶颈结构,分别替代YOLOv4网络原有的标准卷积和主干网络;其次,利用加权平均非极大值抑制算法改进预测输出头,形成了一种网络模型参数量明显降低但检测精度不下降的改进YOLOv4网络,同时有效改善了对水表读数"半字"识别的漏检和错检问题;最后,基于字符边框定位的水表读数提取方法,实现"半字"准确提取问题.实验结果表明,所提方法与多种网络学习方法相比,模型参数量压缩14.4％以上,读数识别的准确率和召回率对普通场景水表图像分别提升了0.04％和0.05％以上,对受雾化、抖动等干扰的复杂场景水表图像分别提升了0.11％和0.37％以上.
文献关键词：
水表读数识别;YOLOv4;深度可分离卷积;SE注意力机制;加权平均非极大值抑制
中图分类号：
作者姓名：
翟娅娅;朱磊;张博
作者机构：
西安工程大学电子信息学院,西安710048
文献出处：
引用格式：
[1]翟娅娅;朱磊;张博-.基于改进YOLOv4网络的水表读数识别方法)[J].科学技术与工程,2022(21):9207-9214
A类：
水表读数识别,加权平均非极大值抑制
B类：
YOLOv4,自动识别系统,模型参数量,雾化,抖动,复杂场景,场景图像,识别精度,字识别,深度可分离卷积,squeeze,excitation,SE,注意力机制,MobileNetv2,瓶颈结构,别替,标准卷积,主干网络,算法改进,出头,检测精度,漏检,字符,边框,框定,网络学习,召回率
AB值：
0.250844
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。
