基于卷积神经网络的车牌照字符识别研究310
第十二届全国图象图形学学术会议
以充分利用人的经验来获取模式特征以及神经网
来正确识别所有样本;Uc4层是网络的输出层即识
终分类能力来识别字符,特征提取必须能反应整
个字符的特征,才能达到较高的识别率;后者则
别层,显示网络最终的模式识别结果。
省去特征抽取,将整个字符直接作为神经网络的
差异提取层Uc的输出姐式(1)所示
输入。这种方式虽然在一定程度上增加了神经网
络结构的复杂度,但是网络的抗干扰性能和识别
n(n,)=max{(-)∑a()l(n
