LPRNet_Pytorch

Lprnet_pytorch

Pytorch -Implementierung für LPRNET, ein Rahmenwerk mit hoher Leistung und leichten Nummernschild -Erkennung.
Es gilt voll und ganz für die chinesische Anerkennung von Nummernschilds und die Anerkennung von ausländischen Kennzeichen!
Derzeit werden gleichzeitig nur chinesische Kennzeichen wie blaue und grüne Nummernschilder unterstützt, bei denen es sich um neue Energiekennzeichen handelt. Andere Arten von Nummernschildern können jedoch unterstützt werden, indem Schulungsdaten oder Feinabstimmungen erweitert werden, um die Anerkennungsgenauigkeit zu verbessern!

Abhängigkeiten

• Pytorch> = 1.0.0
• opencv-python 3.x
• Python 3.x
• Imutils
• Kissen
• Numpy

vorbereitetes Modell

• vorab

Training und Test

1. Bereiten Sie Ihre Datensätze vor, Bildgröße muss 94x24 sein.
2. Basis auf Ihren DATSETS -Pfad ändern Sie die Skripte. Die Hyperparameter --train_img_dirs oder - -test_img_dirs.
3. Passen Sie bei Bedarf andere Hyperparameter ein.
4. Führen Sie 'Python Train_lprnet.py' oder 'Python test_lprnet.py' aus.
5. Wenn Sie das Testergebnis anzeigen möchten, fügen Sie "--how true" oder "-wow 1" hinzu, um den Befehl auszuführen.

Leistung

• persönliche Testdatensätze.
• Blau/grüner Nummernschild einschließen.
• Bilder sind sehr weit.
• Die Gesamt -Testbilderzahl beträgt 27320.

Größe	Persönliche Test -IMGs (%)	Inferenz@GTX 1060 (MS)
1,7 m	96,0+	0,5-

Referenzen

1. LPRNET: Nummernschildanerkennung über tiefe neuronale Netze
2. Pytorch Chinesische Dokumentation

PostScript

Wenn Sie das nützlich fanden, geben Sie mir bitte einen Stern, danke!