控制理论与应用

作者：周晓君,高媛,李超杰,阳春华

单位：中南大学,中南大学,中南大学,中南大学

关键词：车牌识别; 多任务学习; 多目标优化; 深度神经网络; 机器学习

基金：国家自然科学基金国际(地区)合作与交流重点项目(61860206014), 国家自然科学基金面上项目(61873285), 湖南省科技基金项目(2019RS1003)资助.

本文针对多个车牌识别任务之间存在竞争和冲突, 导致难以同时提高多个车牌的识别率的问题, 提出基于多目标优化多任务学习的端到端车牌识别方法. 首先, 通过分析某些车牌识别任务容易占主导地位, 而其他任务无法得到充分优化的问题, 建立基于多任务学习的车牌识别模型. 接着, 针对字符分割造成车牌识别准确率较低、鲁棒性较差的问题, 提出基于多任务学习的端到端车牌识别方法. 最后, 针对多个车牌识别任务间难以权衡的问题,提出一种基于多目标优化的多任务学习方法, 以提高多个车牌识别的准确率. 将本文所提方法在标准车牌数据集上进行测试, 实验结果验证了该方法的有效性和优越性, 其他代表性方法相比可以提高车牌识别的准确率、快速性和鲁棒性.

来源：2021年第5期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2021年第5期