基于全卷积神经网络的船舶检测和船牌识别系统

论文摘要

船舶检测与识别对于港口智能监控,实现港口资源的有效管理具有重要意义。由于复杂的船舶轮廓、船牌位置不固定、船牌文本类型复杂多样和船牌文字个数不确定等因素,使得船舶的检测和识别非常具有挑战性。本文提出一种基于全卷积神经网络的船舶检测与识别方法:SDR-FCN。SDR-FCN利用本文提出的船舶检测算法SDNet进行船舶检测定位,然后利用本文提出的船牌文本检测算法PDNet进行船牌文字检测,最后利用具备在线自适应性的分类器OA-Classifier进行船牌分类识别。OA-Classifier综合了AIS（船舶自动识别系统）反馈的信息,提高了分类器的识别精度。实际SDR-FCN部署运行表明,它能够以较高的精度可靠地工作,满足实际应用。

论文目录

• 0 引 言
• 1 相关研究
•   1.1 深度学习
•   1.2 机动车辆识别
• 2 主要工作
• 3 数据集
• 4 SDR-FCN的设计与实现
•   4.1 SDNet
•   4.2 PDNet
•   4.3 OA-Classifier
•   4.4 系统架构
• 5 现场部署与分析
•   5.1 实验配置
•   5.2 模型测试
•   5.3 现场部署
• 6 结束语

文章来源

类型: 期刊论文

作者: 李兆桐,孙浩云

关键词: 船舶检测,船牌识别,全卷积神经网络,在线自适应

来源: 计算机与现代化 2019年12期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 公路与水路运输,计算机软件及计算机应用,自动化技术

单位: 中国石油大学(华东)计算机与通信工程学院

分类号: U69;TP391.41;TP183

页码: 72-77

总页数: 6

文件大小: 1856K

下载量: 258