自然场景下高效车牌检测算法研究

目录

声明

第一章 绪论

1.1 研究背景和研究意义

1.2 国内外研究现状

1.2.1 车牌检测算法研究现状

1.2.2 车牌字符识别算法研究现状

1.3 本文主要研究内容

1.4 论文结构安排

第二章 深度学习车牌检测识别相关知识

2.1 卷积神经网络基础知识

2.1.1 卷积层

2.1.2 池化层

2.1.3 激活函数

2.1.4 损失函数

2.2 经典卷积神经网络结构

2.3 目标检测算法模型概述

2.3.1 Faster-RCNN模型

2.3.2 SSD模型

2.3.3 CenterNet模型

2.4 本章小结

第三章 车牌生成算法

3.1 车牌数据集

3.1.1 人工合成数据集

3.1.2 CCPD数据集

3.2 基于GAN的图像生成算法

3.2.1 GAN原理

3.2.2 CycleGAN模型

3.3.1 车牌生成算法框架

3.3.2 网络结构

3.4 实验

3.4.1 实验环境

3.4.2 实验结果

3.5 本章小结

第四章 基于空间变换改进的高效车牌检测

4.1 固定场景下车牌检测算法概述

4.2 近景下的高效车牌检测模型

4.3 基于空间变换的车牌检测算法

4.3.1 空间变换网络介绍

4.3.2 改进的车牌识别网络结构

4.4 实验

4.4.1 实验数据

4.4.2 实验结果

4.5 本章小结

第五章 基于Anchor-Free的高效车牌检测

5.1 无约束场景下的车牌检测算法概述

5.2 基于Anchor的车牌检测算法框架

5.3 基于Anchor-Free车牌检测算法的改进

5.3.1 车牌检测器

5.3.2 损失函数设计

5.4 实验

5.4.1 实验数据

5.4.2 实验结果

5.4.2 可视化结果

5.5 本章小结

第六章 总结与展望

6.1 本文总结

6.2 后续工作展望

参考文献

附录 攻读硕士学位期间取得的成果

致谢