论文部分内容阅读
在车牌字符识别的某些场合中，获得的字符通常存在切割不均匀、光照对比度强烈、遮挡严重等强噪声污染．针对被强噪声污染的数字字符，提出一种基于Caffe深度学习框架的字符识别算法，在Caffe框架下搭建卷积神经网络，并对网络参数训练获得了一个鲁棒性强、识别精度高的网络结构．实验结果表明，在低噪声、中度噪声、强噪声污染情况下，文章中提出的方法相比当前典型的识别方法，在数字字符识别上均具有较好的识别能力，平均识别率高出将近5％，而在强噪声污染情况下，识别效果具有更加明显的优势．