买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利基于卷积神经网络模型的字符非分割模式车牌识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116524481B 。

龙图腾网通过国家知识产权局官网在2025-12-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210943795.4，技术领域涉及：G06V20/62；该发明授权基于卷积神经网络模型的字符非分割模式车牌识别方法是由赵池航;苏子钧;化丽茹;吴宇航;马欣怡设计研发完成，并于2022-08-08向国家知识产权局提交的专利申请。

本基于卷积神经网络模型的字符非分割模式车牌识别方法在说明书摘要公布了：本发明公布了基于卷积神经网络模型的字符非分割模式车牌识别方法，包括：基于异常天气状况下的高速整车图像，对车牌区域进行检测并构建高速公路车牌图像集；研究字符非分割模式车牌识别框架，优选基于CB损失函数的多分类字符非分割模式车牌识别框架进行模型构造；构建卷积神经网络模型进行车牌的特征提取，优选InceptionV3‑LPR‑CB、ResNet50‑LPR‑CB、ResNeXt‑LPR‑CB和SENet‑LPR‑CB卷积神经网络模型完成车辆号牌的识别。本发明的有益效果在于：构建符合真实高速场景且适用于神经网络学习的车牌图像集，提供非分割模式下的车辆号牌识别框架，同时选用结构合理的卷积神经网络模型，完成对车辆号牌的自动识别，提升了车牌识别的准确率与速度的同时，也给车辆号牌识别提供了有效的新思路。

本发明授权基于卷积神经网络模型的字符非分割模式车牌识别方法在权利要求书中公布了：1.基于卷积神经网络模型的字符非分割模式车牌识别方法，其特征在于，包括如下步骤： S1：基于异常天气状况下的高速整车图像，构建高速公路车牌图像集； S2：基于CB损失函数，构建多分类字符非分割模式车牌识别框架； S3：构建卷积神经网络模型进行车牌的特征提取，通过InceptionV3‑LPR‑CB、ResNet50‑LPR‑CB、ResNeXt‑LPR‑CB和SENet‑LPR‑CB卷积神经网络模型完成车辆号牌的识别；其中，所述InceptionV3‑LPR‑CB卷积神经网络模型由Block1、Block2、Block3、Block4、Block5构成，其损失函数采用基于CB损失函数，主要网络结构采用InceptionV3的基本网络结构特征；所述ResNet50‑LPR‑CB卷积神经网络模型由5个卷积模块conv2d构成，其损失函数采用基于CB损失函数，主要网络结构采用ResNet50的基本网络结构特征；所述ResNeXt‑LPR‑CB卷积神经网络模型由5个卷积模块conv2d构成，其损失函数采用基于CB损失函数，主要网络结构在ResNet50的基础上，保持第一个卷积模块不动，将第二至第五个卷积模块前两层convolution kernel的数量提升了两倍；所述SENet‑LPR‑CB卷积神经网络模型在ResNeXt网络上加入了SE模块，SE模块采用两个全连接层学习特征的重要性，该模块首先采用全局平均池化的方式将原为H×W×C的特征图变为1×1×C，其中C为通道数，其次采用全连接层将特征图的通道数大小变为原来的十六分之一，在采用带有ReLU激活函数的全连接层将通道数变为原来大小，最后采用Sigmoid激活函数将特征大小变为0和1之间，也就是权重；所述SENet‑LPR‑CB卷积神经网络模型的损失函数采用基于CB损失函数，主要网络结构在ResNeXt网络的每个残差模块中间，均添加了SE模块； 将规格化的车牌图像分别输入到所述InceptionV3‑LPR‑CB、ResNet50‑LPR‑CB、ResNeXt‑LPR‑CB和SENet‑LPR‑CB这四个卷积神经网络模型中得到其7个字符分别的分布概率，最大的概率值对应的类别即为该向量预测的车牌类别，即同时获得7个字符的对应类别，实现字符非分割模式下车辆号牌的识别；最终对比InceptionV3‑LPR‑CB、ResNet50‑LPR‑CB、ResNeXt‑LPR‑CB和SENet‑LPR‑CB这四个卷积神经网络模型的识别准确率，即可选取字符非分割模式下的最优车牌识别方法。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。