【技术实现步骤摘要】
本专利技术涉及字符识别领域，更具体地说，它涉及一种基于少样本训练的车牌识别方法和装置。
技术介绍
1、传统的车牌识别算法首先定位到车牌位置，剪裁得到车牌图片，通过对比车牌号码的特征来确定车牌号码，该方法鲁棒性较差，对大角度车牌和恶劣天气下车牌识别准确率很低。随着深度学习的发展，现在基本采用卷积神经网络的方法进行车牌识别，并且识别准确率有大幅提高。但是，目前的方法对包括残缺车牌或假车牌的车牌图片仍然处理不好，并且每次训练都需要大量的标注数据，有些类型的车牌收集难度较大。
2、现有技术中最流行的是用《an end-to-end trainable neural network forimage-based sequence recognition and its application to scene textrecognition》中记载的crnn方法进行车牌识别，后续相关文献《gated recurrentconvolution neural network for ocr》、《focusing attention:tow...
【技术保护点】
1.一种基于少样本训练的车牌识别方法，其特征是：包括如下步骤：
2.根据权利要求1所述的一种基于少样本训练的车牌识别方法，其特征是：标注数据包括与车牌图片对应的车牌号码字符数据、车牌类型数据、车牌真伪数据。
3.根据权利要求2所述的一种基于少样本训练的车牌识别方法，其特征是：数据库包括训练集和测试集；采用训练集中的车牌图片和标注数据，对车牌号码识别分支模型、车牌类型识别分支模型、车牌真伪识别分支模型进行训练，在训练完成后，使用测试集中的车牌图片和标注数据，对车牌号码识别分支模型、车牌类型识别分支模型、车牌真伪识别分支模型进行测试，测试通过后冻结...
【技术特征摘要】
1.一种基于少样本训练的车牌识别方法，其特征是：包括如下步骤：
2.根据权利要求1所述的一种基于少样本训练的车牌识别方法，其特征是：标注数据包括与车牌图片对应的车牌号码字符数据、车牌类型数据、车牌真伪数据。
3.根据权利要求2所述的一种基于少样本训练的车牌识别方法，其特征是：数据库包括训练集和测试集；采用训练集中的车牌图片和标注数据，对车牌号码识别分支模型、车牌类型识别分支模型、车牌真伪识别分支模型进行训练，在训练完成后，使用测试集中的车牌图片和标注数据，对车牌号码识别分支模型、车牌类型识别分支模型、车牌真伪识别分支模型进行测试，测试通过后冻结车牌号码识别分支模型、车牌类型识别分支模型、车牌真伪识别分支模型。
4.根据权利要求3所述的一种基于少样本训练的车牌识别方法，其特征是：所述主干模型包括深度卷积神经网络resnet18，用于从车牌图片中提取特征。
5.根据权利要求4所述的一种基于少样本训练的车牌识别方法，其特征是：s3包括如下子步骤：
6.根据权利要求5所述的一种基于少样本训练的车牌识别方法，其特征...
【专利技术属性】
技术研发人员：王扬，杨宏章，
申请(专利权)人：慧特智能科技南京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。