[发明专利]一种基于深度学习的车牌侦测方法

摘要

一种基于深度学习的车牌侦测的方法，根据监督学习的方式人工标注车牌位置信息进行车牌数据集训练，数据集采用VOC和LMDB格式，数据通过降低采样和降低输出层维度的网络模型来提高检测效率。这种基于深度学习的方法，让机器自己学习目标特征，减少了人工参与提取特征的过程，使结果更加准确和鲁棒(即健壮性)；另外，这种通过定位检测车牌来确定是否为车辆的方法可以做到适应不同场景的需求。

主权项

1.一种基于深度学习的车牌侦测的方法，其特征在于，包括以下步骤：/n(1)制作VOC数据集和LMDB数据，包括分步骤：/n(1).(a).使用样本标注工具生成txt标注文件，文件内容包含目标位置和目标类型；/n(1).(b).txt标注文件转换生成xml标注文件；/n(1).(c).归档生成用于训练、验证、训练和验证、测试的图片文件的文件名列表，格式为txt文件，至此VOC数据准备完毕；/n(1).(d).设置图像属性的通道数和图像大小，VOC数据格式转换成LMDB格式；/n(2)网络模型调参，主要是修改用于网络训练的配置参数，包括分步骤：/n(2).(a).配置图像通道参数，修改mean_value:的维数、force_color:是否为true和input_shape中第二个dim；/n(2).(b).配置图像大小参数，修改transform_param中的height和width大小和input_shape中第三个和第四个dim；/n(2).(c).调整卷积层的num_output数量，数量越小速度越快，但精度会降低；/n(2).(d).调整池化层的num_output数量，数量越小速度越快，但精度会降低；/n(2).(e).调整全连接层的num_output数量，设置为目标分类数；/n(3)训练车辆LMDB的数据集，主要配置学习速率、是否使用GPU、最大迭代次数，训练过程中会产生训练的网络参数文件F；/n(4)加载网络参数文件F、测试网络层模型、设置置信度阈值，检测出目标信息，包含位置、类别、置信度；/n(5)车牌的定位至此完成。/n