论文部分内容阅读
针对传统的识别车牌方法易受环境影响产生误差、不易检测较小尺度目标等问题,根据车牌特点提出了一种改进的Faster RCNN车牌检测方法。优化了候选框建议网络RPN中的候选框尺寸,改进了算法的分类回归方式,使用全局性的池化层替代了原有的全连接层。在汽车牌照数据集VOC19中测试,实验结果表明,最终检测平均精确度mAP达到了88.4%,在复杂环境下其检测精度与检测速率相较于Faster RCNN均有提高,最终达到了精确检测车牌的目的。