Un enfoque eficiente para la detección de matrículas utilizando redes neuronales profundas convolucionales ligeras

Beneficiado por redes neuronales profundas convolucionales, se han propuesto varios métodos de detección de matrículas basados en redes profundas y han logrado mejoras significativas en comparación con los métodos tradicionales. Sin embargo, el alto costo computacional debido a estructuras complejas impide que estos métodos se implementen en aplicaciones del mundo real. Este artículo propone un método eficiente de detección de matrículas basado en redes neuronales profundas convolucionales ligeras para mejorar la velocidad de detección. Para extraer características de alto nivel de imágenes de entrada, este artículo diseña un módulo de generación de pirámides de características ligero basado en una arquitectura ligera y convoluciones por profundidad. Para mejorar aún más la pirámide de características, se diseña un módulo eficiente de mejora de características para fusionar las características generadas por la red de propuesta de región con las características de fondo. En la red de detección, se emplea una estructura de cabeza ligera basada en capas completamente conectadas para reducir aún más el costo computacional del modelo. En los experimentos, se utilizan operaciones de punto flotante y la tasa de detección para evaluar la eficiencia del método propuesto. Los resultados experimentales en conjuntos de datos públicos muestran que el método propuesto logra el mejor equilibrio entre velocidad y precisión.