TAILIEUCHUNG - Ứng dụng mạng Nơron nhân tạo nhận dạng biển số xe ô tô

Bài báo này trình bày thuật toán nhận dạng biển số xe ô tô dùng mạng Nơron nhân tạo. Ngoài ra, thuật toán còn ứng dụng phương pháp hình chiếu để tìm ra vùng chứa biển số, thuật toán đánh nhãn để phân đoạn ký tự. Riêng trong phần nhận dạng ký tự, nhằm nâng cao hiệu suất đã đề xuất thêm bước phân loại ký tự thành ba loại, sau đó trích đặc tích và đưa vào ba mạng Nơron nhân tạo riêng biệt để nhận dạng. | Ứng dụng mạng Nơron nhân tạo nhận dạng biển số xe ô tô Hội thảo quốc gia 2014 về Điện tử Truyền thông và Công nghệ thông tin ECIT2014 Ứng dụng mạng Nơron nhân tạo nhận dạng biển số xe ô tô Phan Ngọc Điệp Trần Văn Đại Trần Minh Phạm Văn Tuấn Tuấn Trung tâm Xuất Sắc Phòng LAB 3DCS - Trƣờng Đại Khoa Điện Tử Viễn Thông - Trƣờng Đại học Bách học Bách Khoa Đại học Đà Nẵng Khoa Đại học Đà Nẵng Đà Nẵng Việt Nam Đà Nẵng Việt Nam E-mail pvtuan@ Email ngocdiep10dt2@ minhtuan99bk@ Tóm tắt Bài báo này trình bày thuật toán nhận dạng phƣơng pháp trên đƣợc đề xuất trong 19 20 26 biển số xe ô tô dùng mạng Nơron nhân tạo. Ngoài ra thuật 27 29 hay nhị phân hóa trích dẫn đƣợc tọa độ đầu toán còn ứng dụng phương pháp hình chiếu để tìm ra và cuối của ký tự. Hoặc phân đoạn ký tự bằng phƣơng vùng chứa biển số thuật toán đánh nhãn để phân đoạn ký pháp trích đƣờng bao của ký tự mô hình đƣờng bao tự. Riêng trong phần nhận dạng ký tự nhằm nâng cao hiệu suất đã đề xuất thêm bước phân loại ký tự thành ba cũng nói lên đặc điểm của ký tự 28 . Riêng phần nhận loại sau đó trích đặc tích và đưa vào ba mạng Nơron nhân dạng ký tự vì đặc điểm của biển xe có giới hạn về số ký tạo riêng biệt để nhận dạng. Kết quả của thuật toán được tự và cấu trúc rõ ràng vậy nên có thể áp dụng phƣơng đánh giá theo từng khối dựa trên nhiều tập cơ sở dữ liệu pháp cấu trúc kết hợp với đối sánh để nhận dạng khớp khác nhau về điều kiện ánh sáng thời tiết góc nghiêng. mẫu đơn giản so sánh độ tƣơng quan chéo hoặc các Sau khi đánh giá trên các cơ sở dữ liệu khác nhau kết quả phƣơng pháp học K-nearest neighbor SVM hoặc dùng cho thấy khối nhận dạng ký tự cho hiệu suất cao nhất lên mạng Nơron nhân tạo 3 7 để nhận dạng các ký tự đến đối với dữ liệu đầu vào có chất lượng tốt tuy trên biển số. nhiên lại đạt được kết quả thấp hơn đối với những dữ liệu đầu vào có có sự sai khác về điều kiện ánh sáng phông Bài báo này đề xuất thuật toán sử dụng mạng Nơron chữ và góc nghiêng hiệu .

TỪ KHÓA LIÊN QUAN
TAILIEUCHUNG - Chia sẻ tài liệu không giới hạn
Địa chỉ : 444 Hoang Hoa Tham, Hanoi, Viet Nam
Website : tailieuchung.com
Email : tailieuchung20@gmail.com
Tailieuchung.com là thư viện tài liệu trực tuyến, nơi chia sẽ trao đổi hàng triệu tài liệu như luận văn đồ án, sách, giáo trình, đề thi.
Chúng tôi không chịu trách nhiệm liên quan đến các vấn đề bản quyền nội dung tài liệu được thành viên tự nguyện đăng tải lên, nếu phát hiện thấy tài liệu xấu hoặc tài liệu có bản quyền xin hãy email cho chúng tôi.
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.