Arquitetura do Sistema de Reconhecimento da Placa de Licença-Tigerwong

O sistema de reconhecimento de placas adota rede neural feedforward de duas camadas. De acordo com a análise de texto próprio, o reconhecimento de caracteres da placa de licença é um pequeno problema de classificação. A rede neural com uma camada oculta pode se aproximar de qualquer número não linear. Portanto, apenas a rede neural de duas camadas é necessária para reconhecer caracteres. Como os caracteres na placa são divididos em caracteres, letras e números chineses, de acordo com a situação específica, este artigo projeta quatro redes neurais, a saber, rede neural de caracteres chineses, rede neural de letras, rede neural digital e rede neural de descarga de letras e números. Cada pixel na imagem de caractere h normalizada é usado como uma entrada da rede neural. O tamanho unificado do personagem é 32*16, então há 512 entradas no total. O número de nós neurais de saída é determinado pelo número de categorias do problema a serem classificadas. Para a rede de caracteres chineses, existem 31 caracteres chineses para as abreviações de províncias, municípios diretamente sob o governo central e o distrito de Baizhi, 13 caracteres chineses para veículos militares e 51 caracteres chineses para embaixadas, consulados, carros temporários e vagões de ônibus. O número de nós de saída da rede de caracteres chineses é 51; O número é de. Até 9, são dez redes digitais. A solução do problema neste artigo refere-se ao peso e ao limiar da rede, ou seja, o objetivo do treinamento em rede é encontrar um conjunto de combinação ideal de peso e limiar. Geralmente, o sistema de reconhecimento de placas adota o método de codificação = binário, mas o sistema de reconhecimento de placas envolve muitos parâmetros e requer alta precisão. A precisão da codificação binária é limitada pelo comprimento do cromossomo. Neste artigo, a codificação de número real é adotada, por um lado, atende aos requisitos de precisão, por outro lado, o significado de codificação do problema é claro. 03 é necessário selecionar excelentes pais para várias operações genéticas, precisa haver um padrão. O algoritmo genético é baseado na função de aptidão. Nesse assunto, o erro é o padrão fundamental para medir o bem e o mal individual, ou seja, quanto menor o erro, maior a aptidão individual. Pelo contrário, quanto maior o erro, pior a aptidão individual.