典型文献
单阶段的快速轻量级车牌检测方法研究
文献摘要：
随着经济的蓬勃发展、科技的不断进步,车牌检测技术逐渐成为智能交通系统中的一个关键性环节.然而交通环境的愈加复杂化,也给车牌检测技术带来了新的机会和困难.在更加多变的真实场景下,传统车牌检测技术面临着巨大的挑战,检测性能的不足会导致更多的新生问题和增加较多的交通管理成本.近年来,基于深度学习的方法已经在车牌检测领域取得了显著进步,然而检测速度慢、面临复杂场景时检测精度不够等问题依然存在.本文基于单阶段的通用目标检测框架,构建了一种快速轻量的车牌检测算法.采用了轻量化特征提取的基础网络结构,相较于其他基于深度学习的方法,大幅减少了参数量,提高了检测速度,同时我们利用神经结构搜索(NAS)改进了模型中特征金字塔关键部分,在不损失模型性能的前提下,提高了模型的学习能力并优化了特征抽取方式.通过在CCPD-green数据集上的大量对比实验证明,改进后的模型相较于传统的单阶段检测算法,在定性和定量方面都取得了进步.
文献关键词：
深度学习;目标检测;车牌检测;轻量级
中图分类号：
作者姓名：
杨玲倩
作者机构：
西南民族大学电子信息学院,成都 610041
文献出处：
引用格式：
[1]杨玲倩-.单阶段的快速轻量级车牌检测方法研究)[J].现代计算机,2022(15):38-44
A类：
B类：
轻量级,车牌检测,智能交通系统,交通环境,真实场景,检测性能,交通管理,管理成本,检测领域,检测速度,速度慢,复杂场景,检测精度,目标检测,检测框架,轻量化特征提取,参数量,神经结构搜索,NAS,特征金字塔,损失模型,模型性能,特征抽取,CCPD,green,单阶段检测算法,定性和定量
AB值：
0.329196
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。
