LPRNet_Pytorch

LPRNET_PYTORCH

Implementación de Pytorch para LPRNET, un marco de reconocimiento de placas de matrícula de alto rendimiento y ligero.
¡Es totalmente aplicable al reconocimiento chino de matrículas y el reconocimiento de matrículas extranjeras!
Actualmente, solo las placas chinas, como las placas azules y verdes, son compatibles con el mismo tiempo, que son nuevas placas de energía, pero otros tipos de placas pueden ser respaldados expandiendo datos de capacitación o ajuste fino para mejorar la precisión del reconocimiento.

Dependencias

• pytorch> = 1.0.0
• opencv-python 3.x
• Python 3.x
• imutilos
• Almohada
• numpy

modelo previamente

• Pretrenado_modelo

entrenamiento y prueba

1. Prepare sus conjuntos de datos, el tamaño de la imagen debe ser 94x24.
2. Base en su ruta Datsets Modifique los scripts sus hiperparametros --train_img_dirs o - -test_img_dirs.
3. Ajuste otros hiperparámetros si es necesario.
4. Ejecute 'Python Train_lprnet.py' o 'Python test_lprnet.py'.
5. Si desea mostrar el resultado de la prueba, agregue '--show true' o '--show 1' para ejecutar el comando.

actuación

• conjuntos de datos de prueba personal.
• Incluya placa azul/verde.
• Las imágenes son muy ampliamente.
• El número de imágenes de prueba total es 27320.

tamaño	IMGS de prueba personal (%)	inferencia@GTX 1060 (MS)
1.7m	96.0+	0.5-

Referencias

1. LPRNET: reconocimiento de matrícula a través de redes neuronales profundas
2. Documentación china de Pytorch

posdata

Si lo encontraste útil, por favor dame una estrella, ¡gracias!