基于交叉并行卷积神经网络的货物列车车厢号识别系统

摘要

现有的车厢号识别系统常存在着效率不高、改造困难、维护复杂等缺陷.利用深度卷积神经网络设计货物列车车厢号自动识别系统.通过搭建深度卷积框架LPCNN,缩减模型结构,采取交叉并行的数据传输方式,对图片集进行训练测试,识别的最终结果表明该系统与现有的Alex-Net模型对比,参数的数量仅需其1/50,且识别结果精度和准确率得到有效提升.