计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2005年
2期
207-209
,共3页
神经网络%牌照定位%梯度
神經網絡%牌照定位%梯度
신경망락%패조정위%제도
该文提出了一种新的基于Elman递归神经网络的汽车牌照定位方法.Elman递归神经网络具有上下文层,它将隐含层前一时刻的输出反馈到当前时刻的输入,这种反馈连接使Elman网络能够检测随时间变化的序列信息.该文的牌照定位方法利用Elman神经网络的反馈连接特性以及牌照区的水平和垂直两个方向的梯度特征不同于图像中的其它区域的特点,以一个小窗体(12×12)内图像在两个方向的梯度值,对神经网络进行训练,然后在同样的梯度图上滑动该小窗体,让训练后的神经网络判断小窗体内的区域是否为牌照区的一部分,并结合汽车牌照的几何特征来实现牌照定位.实验结果表明该方法的准确定位率高.
該文提齣瞭一種新的基于Elman遞歸神經網絡的汽車牌照定位方法.Elman遞歸神經網絡具有上下文層,它將隱含層前一時刻的輸齣反饋到噹前時刻的輸入,這種反饋連接使Elman網絡能夠檢測隨時間變化的序列信息.該文的牌照定位方法利用Elman神經網絡的反饋連接特性以及牌照區的水平和垂直兩箇方嚮的梯度特徵不同于圖像中的其它區域的特點,以一箇小窗體(12×12)內圖像在兩箇方嚮的梯度值,對神經網絡進行訓練,然後在同樣的梯度圖上滑動該小窗體,讓訓練後的神經網絡判斷小窗體內的區域是否為牌照區的一部分,併結閤汽車牌照的幾何特徵來實現牌照定位.實驗結果錶明該方法的準確定位率高.
해문제출료일충신적기우Elman체귀신경망락적기차패조정위방법.Elman체귀신경망락구유상하문층,타장은함층전일시각적수출반궤도당전시각적수입,저충반궤련접사Elman망락능구검측수시간변화적서렬신식.해문적패조정위방법이용Elman신경망락적반궤련접특성이급패조구적수평화수직량개방향적제도특정불동우도상중적기타구역적특점,이일개소창체(12×12)내도상재량개방향적제도치,대신경망락진행훈련,연후재동양적제도도상활동해소창체,양훈련후적신경망락판단소창체내적구역시부위패조구적일부분,병결합기차패조적궤하특정래실현패조정위.실험결과표명해방법적준학정위솔고.