- 项目研究内容
- 使用深度学习进行车牌图像去模糊，主要为CNN
- 基于L0范数先验的去模糊算法，参考《图像去模糊方法与实现》，肖子豪
- 不同方法之间的比较：在各种模糊情况下的效果，各种方法的优点和缺点
- 文本图像去模糊
- 一般图像的去模糊化
- 视频去模糊化
- 车牌定位与扣取
- 车牌号码识别
- 深度学习相关知识的学习
- 七月在线深度学习网络课程
- 《机器学习》，周志华
- 相关论文学习：
- 论文检索
- 英文论文内容的提炼与总结
- 通过related work快速地系统了解该领域的相关工作
- 选择深度学习架构：
- Keras：容易上手，但训练速度较慢
- Caffe：相对不易上手，但训练速度较快
- PaddlePaddle：百度深度学习框架
- 神经网络模型的设计：
- 参考论文中的神经网络模型
- 对神经网络模型进行改进，或提出自己的模型。
- 将处理其他问题的模型用于车牌去模糊
- 神经网络的训练：
- 训练集的获取
- 拍照获取原图片，对原图片进行人工裁剪和拉伸，得到标准车牌图像，再对这些图片进行模糊处理。
- 在网上查找图片资源
- 训练参数的设定：网络参数初始化，学习率的调整，batch_size，epochs，优化方法等。
- GPU的硬件设施支持：
- GPU云服务平台
- 使用经费采购GPU
- 训练集的获取
- 神经网络的测试
- 使用CNN-L15的721张测试照片
- 人工拍摄模糊车牌照片进行测试
- 软件开发
- 用QT开发界面
- 发表论文
- 中文论文
- 英文论文
- 申请专利