國立臺北科技大學 電子工程系 賴冠廷所指導 陳麒任的 以神經風格變換強化傾斜車牌辨識 (2019),提出台灣車牌產生器關鍵因素是什麼,來自於車牌辨識、卷積神經網路、資料增強、神經風格變換。
-->
-->
以神經風格變換強化傾斜車牌辨識
為了解決台灣車牌產生器 的問題,作者陳麒任 這樣論述:
本論文利用spatial transformer network去學習隱性幾何變換達到車牌校正,並且結合CRNN模型,應用於車牌辨識。在資料增強上面,我們設計了一個台灣車牌產生器以及基於CycleGAN上提出了Class-Consistency CycleGAN (CC-CycleGAN) 的風格變換技術去彌補在真實世界中過少的資料。CC-CycleGAN透過插入類別分類模型幫助神經網路學習如何在風格變換後保有字元特徵,解決了原先CycleGAN上生成的字元破損的問題,並且使用CC-CycleGAN變換後的圖片混合Application-Oriented License Plate (AOL
P)訓練集進行訓練後提高了AOLP 測試集的車牌辨識率。此外,我們提出了分段式訓練的策略去幫助spatial transformer network提高幾何變換的能力並且提高了AOLP 測試集的車牌辨識率。
-->