基于卷积神经网络的 LED 灯类字体数字识别

针对自然场景下由 LED 灯组合形成的数字具有易受光照、背景和成像扭曲等因素影响识别困难的特点,提出了一种 LED-LeNet 卷积网络识别算法。 对自采集 LED 灯类字体数据集按数字进行分类,将图像 ROI 操作、分辨率调整至 32×32 和数据 增强等预处理后,在 LeNe-5 网络架构上通过卷积核重构、使用 Swish 激活函并数引入 Dropout 正则化等方法改进网络。 采用自 然场景下采集的交通信号灯倒计时数字图像数据库 TST 对算法进行了验证,算法识别正确率可达 99. 52%,识别速度为 1 ms。 实验结果表明在调整网络结构与卷积核参数并通过改变训练策略后算法识别 LED 灯类字体具有明显优势。