Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
FrankJule
License Plate Detect Recognition Via Deep Neural Networks Accuracy Up To 99.9
提交
476d5749
L
License Plate Detect Recognition Via Deep Neural Networks Accuracy Up To 99.9
项目概览
FrankJule
/
License Plate Detect Recognition Via Deep Neural Networks Accuracy Up To 99.9
通知
2
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
DevOps
流水线
流水线任务
计划
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
L
License Plate Detect Recognition Via Deep Neural Networks Accuracy Up To 99.9
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
DevOps
DevOps
流水线
流水线任务
计划
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
流水线任务
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
未验证
提交
476d5749
编写于
7月 20, 2018
作者:
朱
朱本福
提交者:
GitHub
7月 20, 2018
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Update README.md
上级
4ce9ed90
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
11 addition
and
2 deletion
+11
-2
README.md
README.md
+11
-2
未找到文件。
README.md
浏览文件 @
476d5749
...
...
@@ -17,6 +17,7 @@ works in real-time with detection and recognition accuracy up to 99.8% for Chine
一、整个大车牌检测基于haar+cascade的检测或者mtcnn的检测,
--------------------------------
[
车牌识别技术详解六--基于Adaboost+haar训练的车牌检测
](
https://blog.csdn.net/zhubenfulovepoem/article/details/42474239
"悬停显示"
)
大牌检测采用车牌比例为90:36的比例,训练基于haar特征的adaboost检测。
二、mtcnn检测到车牌之后,通过回归得到四个角点,做透视变换对齐得到水平车牌,实测可以处理角度非常偏的车牌,
-------
...
...
@@ -24,13 +25,21 @@ works in real-time with detection and recognition accuracy up to 99.8% for Chine
三、单个车牌字符分割是基于haar+cascade加上逻辑筛选,
--------
[
车牌识别技术详解三--字符检测的正负样本得取(利用鼠标画框抠图)
](
https://blog.csdn.net/zhubenfulovepoem/article/details/12344639
"悬停显示"
)
[
车牌识别技术详解三--字符检测的正负样本得取(利用鼠标画框抠图)
](
https://blog.csdn.net/zhubenfulovepoem/article/details/12344639
"悬停显示"
)
单个字符的分割可以基于haar或者采用fcn!
[
车牌识别技术详解四--二值化找轮廓做分割得样本(车牌分割,验证码分割)
](
https://blog.csdn.net/zhubenfulovepoem/article/details/12345539
"悬停显示"
)
四、识别支持
全图识别和单个字符分割识别:全图识别是基于lstm+ctc
。
四、识别支持
blstm+ctc全图识别、单个字符分割识别和FCN全卷积识别
。
-------
| 优缺点 | 识别车牌 |
| ------------- | ------------- |
| 由于单个字符样本较多,所以识别率在正面车牌情况下,非常高 | 切割出单个字符通过cnn识别 |
| 全图识别,可以处理角度,污迹等等 | lstm+ctc |
| 带定位,但是依赖数据过多 | fcn全卷机网络带单个字符定位 |
![
image
](
https://github.com/zhubenfu/License-Plate-Detect-Recognition-via-Deep-Neural-Networks-accuracy-up-to-99.9/blob/master/result_plateCard/QQ%E5%9B%BE%E7%89%8720180529195903.png
)
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录