LPRNet_Pytorch

Lprnet_pytorch

Implémentation de Pytorch pour LPRNET, un cadre de reconnaissance de plaques d'immatriculation haute performance et léger.
Il est entièrement applicable à la reconnaissance de la plaque d'immatriculation chinoise et à la reconnaissance des plaques d'immatriculation étrangère!
Actuellement, seules les plaques d'immatriculation chinoises telles que les plaques d'immatriculation bleues et vertes sont prises en charge en même temps, qui sont de nouvelles plaques d'immatriculation énergétiques, mais d'autres types de plaques d'immatriculation peuvent être soutenues en élargissant les données de formation ou en réglage fin pour améliorer la précision de la reconnaissance!

Dépendances

• pytorch> = 1.0.0
• opencv-python 3.x
• Python 3.x
• iMutils
• Oreiller
• nombant

modèle pré-entraîné

• Pretrained_model

formation et tests

1. Préparez vos ensembles de données, la taille de l'image doit être de 94x24.
2. Base sur votre chemin DATSETS Modifiez les scripts ses hyperparamètres --train_img_dirs ou --TEST_IMG_DIRS.
3. Ajustez les autres hyperparamètres si besoin.
4. Exécutez 'Python Train_lprnet.py' ou 'Python test_lprnet.py'.
5. Si vous souhaitez afficher le résultat des tests, ajoutez «--how true» ou «--show 1» pour exécuter la commande.

performance

• ensembles de données de test personnel.
• Inclure la plaque d'immatriculation bleue / vert.
• Les images sont très largement.
• Le nombre total d'images de test est 27320.

taille	Test personnel IMGS (%)	inférence @ gtx 1060 (ms)
1,7 m	96.0+	0,5-

Références

1. LPRNET: reconnaissance des plaques d'immatriculation via des réseaux de neurones profonds
2. Documentation chinoise pytorch

post-scriptum

Si vous avez trouvé cela utile, donnez-moi une étoile, merci!