LPRNet_Pytorch

LPRNET_PYTORCH

A implementação da Pytorch para a LPRNET, uma estrutura de reconhecimento de placas leves e de alto desempenho.
É totalmente aplicável ao reconhecimento de placas chinesas e reconhecimento de placas estrangeiras!
Atualmente, apenas as placas chinesas, como placas azuis e verdes, são suportadas ao mesmo tempo, que são novas placas de energia, mas outros tipos de placas podem ser suportados pela expansão dos dados de treinamento ou ajuste para melhorar a precisão do reconhecimento!

Dependências

• pytorch> = 1.0.0
• OpenCV-Python 3.x
• Python 3.x
• imutils
• Travesseiro
• Numpy

modelo pré -terenciado

• pré -terenciado_model

treinamento e teste

1. Prepare seus conjuntos de dados, o tamanho da imagem deve ser 94x24.
2. Base no caminho do seu DatSets Modifique os scripts seus hiperparâmetros - -train_img_dirs ou - -test_img_dirs.
3. Ajuste outros hiperparâmetros, se necessário.
4. Execute 'Python Train_lprNet.py' ou 'python test_lprnet.py'.
5. Se quiser mostrar o resultado dos testes, adicione '--Show True' ou '-Show 1' para executar o comando.

desempenho

• conjuntos de dados de teste pessoal.
• Inclua placa azul/verde.
• As imagens são muito amplamente.
• O número total de imagens de teste é 27320.

tamanho	Teste pessoal imgs (%)	Inferência@GTX 1060 (MS)
1,7m	96.0+	0,5

Referências

1. LPRNET: Reconhecimento de placas através de redes neurais profundas
2. Documentação chinesa de Pytorch

PostScript

Se você achou isso útil, por favor me dê uma estrela, obrigado!