一种基于多任务卷积神经网络的单双层车牌识别方法

摘要

本发明公开了一种基于多任务卷积神经网络的单双层车牌识别方法，包括自动生成各省份车牌数据，通过图像处理程序对生成的车牌数据进行图像处理；将单层和双层车牌图片输入深度学习模型，经过模型中的卷积神经网络处理得到特征图F1、F2和F3；特征图F1通过卷积池化操作生成单层车牌的特征图F4；特征图F2通过卷积池化操作生成判断特征图C1，对判断特征图C1进行特征分类；特征图F3通过卷积池化操作生成特征图F5和特征图F6；将特征图F5和F6进行拼接得到F56；将特征图F4和拼接后的特征F56进行加权求和，得到提取的车牌特征F7。本发明用多任务的模型通过特征图让整个架构自己动态选择使用单层或者双层特征，以此来达到同时对单层和多层车牌的识别。