计算机工程

作者：谭若琦, 董明刚, 赵唯肖, 武天昊

单位：1. 桂林理工大学信息科学与工程学院, 广西 桂林 5410062. 广西嵌入式技术与智能系统重点实验室, 广西 桂林 541006

关键词：小目标检测,非机动车车牌,语义对齐,层次优化,K-Means++算法

基金：国家自然科学基金(62366012)

对非机动车违规行为依法追究责任是提高城市交通安全的有效手段。由于非机动车车牌具有尺寸小、分布密集、易遮挡等特点, 导致应用传统的深度学习方法会出现特征信息大量丢失的现象。为此, 提出一种基于语义对齐和层次优化的非机动车车牌识别定位方法。首先设计底层信息融合的语义对齐模块, 在上采样过程中利用底层目标信息引导高层语义向下融合, 以解决高底层语义冲突带来的小目标特征丢失问题; 然后构建CSP结构的层次优化模块替代深层ELAN模块, 使用堆叠少量卷积核模块提取目标信息以减少网络层数, 避免特征信息在深层丢失; 最后, 为减少训练过程中的匹配误差, 使用K-Means++算法聚类得到适合非机动车车牌的初始锚框, 提高小目标识别定位准确率。实验结果表明, 所提方法在自制非机动车车牌数据集上的识别定位准确率为90.95%, 与YOLOv7、YOLOv8等代表性方法相比至少提升3.58%, 为非机动车车牌识别定位提供了一种有效的方法。

来源：2024年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第11期