做每个环节的现状研究。
文章的整体架构构思。
主要介绍了卷积神经网络的基本原理和卷积神经网络的一些变形结构。基本原理方面包括卷积网络的卷积、池化、激活等。 基于卷积神经网络的变形包括反卷积、膨胀卷积等。同时介绍了训练卷积网络的常用方法, 比如反向传播、 Dropout、正则化等。
需要简述低光照图像的情况。然后介绍如何制作低照度的数据值增加图片的暗度改变是对比度亮度和添加噪声麻烦的是怎么实际的采集正常的成本头像。然后把它制作成低光照图,然后做有监督学习。
文中从主要从两个方面制作成低照度数据及一个是亮度,还有一个模糊程度。
最后再是介绍所用的图像增强深度学习算法模型的基本原理。
介绍车牌定位有传统方法和深度学习方法,然后详细说明使用目标检测深度学习方法的改进之处,比如损失函数。
传统的字符识别方法。不能解决实际场景中。车牌污损遮挡光照不均匀,车牌倾斜的问题。要使用深度学习卷积神经网络端到端的方法,对车牌进行整体的识别。从而能够避免多个环节造成的误差累积。然后提高车牌将地上的识别精度。
PS:可以自己写,先积累素材。
答:车牌图像存在倾斜的情况下,直接对其进行字符准确率不高。经过倾斜矫正处理,保证图能够水平垂直。提升字符识别准确率。
略
数据集使用的是CCPD,然后每一个子集取一部分把它做裁剪,只保留车牌部分,再做倾斜矫正,得到正视图再做识别。
论文总结的时候第一段概述本文的问题来源,然后开始介绍本文的主要内容,每个内容的创新点是什么,起到什么作用。
总结来说,就是一句话概括上文。然后一句话说明整个环节包括哪些部分,针对每个部分去说我做了哪些改进,这个改进的好处是什么?并通过实验去得到论证。 这些环节包括论文的调研,调研得到的现有算法缺陷是什么?然后是图像存在的缺陷是什么?所以要做图像增强。然后是车牌的定位检测,带有矫正的一个字符识别。
展望中提出了不足: