ナンバープレート認識システムアーキテクチャ-Tigerwong

ナンバープレート認識システムは、2層のフィードフォワードニューラルネットワークを採用しています。 自己テキスト分析によると、ナンバープレートの文字認識は小さな分類の問題です。 1つの隠れ層を持つニューラルネットワークは、任意の非線形数に近づくことができます。 したがって、文字を認識するために必要なのは2層ニューラルネットワークだけです。 ナンバープレートの文字は漢字、文字、数字に分かれているため、特定の状況に応じて、この論文では4つのニューラルネットワーク、つまり漢字ニューラルネットワーク、文字ニューラルネットワーク、デジタルニューラルネットワーク、文字と数字の放電ニューラルネットワークを設計しています。。 正規化された文字h画像内の各ピクセルは、ニューラルネットワークの入力として使用される。 文字の統一サイズは32*16であるため、合計512の入力があります。 出力神経ノードの数は、分類される問題のカテゴリの数によって決定される。 漢字ネットワークには、中央政府とBaizhi地区の真下にある省、市町村の略語に31の漢字、軍用車両に13の漢字、大使館、領事館、仮設車、長距離車に51の漢字があります。 漢字ネットワークの出力ノード数は51です。数はからです。 9には、10のデジタルネットワークがあります。 この論文の問題解決策は、ネットワークの重みとしきい値を指します。つまり、ネットワークトレーニングの目的は、重みとしきい値の最適な組み合わせのセットを見つけることです。 一般的に、ナンバープレート認識システムは = バイナリ符号化方式を採用していますが、ナンバープレート認識システムは多くのパラメータを含み、高い精度を必要とします。 バイナリコーディングの精度は、染色体の長さによって制限されます。 この論文では、実数コーディングが採用されており、一方では精度要件を満たしていますが、他方では、問題コーディングの重要性は明らかです。 03さまざまな遺伝子操作のために優れた親を選択する必要があり、標準が必要です。 遺伝的アルゴリズムはフィットネス機能に基づいています。 この主題では、エラーは個人の善悪を測定するための基本的な基準です。つまり、エラーが小さいほど、個人の適応度が高くなります。 それどころか、エラーが大きいほど、個々のフィットネスは悪くなります。