口头报告基于YOLOv3和MobileNetv2的银行卡号识别方法
编号:14 访问权限:仅限参会人 更新:2020-08-21 18:12:56 浏览:786次

暂无开始时间

暂无持续时间

[暂无会议] [暂无会议段]

暂无文件

摘要
针对当前银行卡号识别易受复杂背景、环境光线等因素干扰导致识别率低、不稳定的问题,提出基于YOLOv3和MobileNetv2的银行卡号识别方法。首先,预处理数据集,收集多样式银行卡图片,批量进行拉普拉斯锐化及部分图像增强处理,标注图像;构建YOLOv3区域分割网络结构,将已标注好的数据集输入YOLOv3网络,采用目标长和宽开根号优化尺寸损失和Focal loss优化置信度损失,控制迭代计算,分割字码区域,输出初步识别模型,计算初步识别结果;构建改进后的YOLOv3网络和基础MobileNetv2网络,输入预处理数据集进行训练,输出联合识别模型,计算联合识别结果;比对初步识别结果和联合识别结果,输出准确率最高的结果。最终,设计并实现了验证系统和应用平台,运行稳定可靠。在字码区域定位效果方面,该方法优于传统CNN和基础YOLOv3;在字码识别准确率方面,该方法优于改进YOLOv3和YOLOv3-MobileNetv2等。实验数据表明,所提出的方法可以识别复杂背景下不同字码形态的银行卡字码,克服了环境因素对卡号识别的影响,提升了识别准确率,具有良好的鲁棒性。
关键词
银行卡号识别,字码区域分割,尺寸损失,置信度损失,联合识别  
报告人
蔡 教授

发表评论
验证码 看不清楚,更换一张
全部评论