基于WMF-CNN模型的街景门牌号码识别

针对自然场景下街景门牌号码识别困难的问题,提出了一种基于深度网络模型的WMF-CNN(Convolutional neural network with weighted multi-feature fusion,WMF-CNN)模型.该模型采用加权多层特征图融合的思想,首先利用PCA方法对各特征融合图进行降维,然后再根据它们在网络识别过程中的贡献率给予一定的权值,将加权后的图像细节信息与全局逼近信息进行融合,最后将融合特征送入Soft Max分类器,得到识别结果.在国际公开的SVHN数据集上的实验结果表明,所提模型仅需2.2 h便可完成训练,识别率达到95.6%,优于目前的主流算法.此外,所提模型识别单张图片所需的平均时间约为0.38 ms,适用于实时性要求较高的相关应用.