统计车牌识别里面各个lable 的数量

使用的方法是：

参考：http://blog.sina.com.cn/s/blog_8db762e60101q9du.html

a = [2 4 6 8;3 5 6 3; 9 8 5 3; 7 6 4 0];
>> a
a =2     4     6     83     5     6     39     8     5     37     6     4     0
>> aa = tabulate(a(:))
aa =0   　 1.0000    6.25002.0000    1.0000    6.25003.0000    3.0000   18.75004.0000    2.0000   12.50005.0000    2.0000   12.50006.0000    3.0000   18.75007.0000    1.0000    6.25008.0000    2.0000   12.50009.0000    1.0000    6.2500

我的结果是：

索引	样本标号	样本标号	样本个数	样本个数	样本占百分比	样本占百分比
京	0	0	0.059	59	0.0001	0.1
沪	0.001	1	0.014	14	0	0
津	0.002	2	0.364	364	0.0006	0.6
渝	0.003	3	0.67	670	0.001	1
冀	0.004	4	2.338	2338	0.0036	3.6
晋	0.005	5	0.716	716	0.0011	1.1
蒙	0.006	6	0.121	121	0.0002	0.2
辽	0.007	7	0.662	662	0.001	1
吉	0.008	8	0.028	28	0	0
黑	0.009	9	0.033	33	0.0001	0.1
苏	0.01	10	0.103	103	0.0002	0.2
浙	0.011	11	0.027	27	0	0
皖	0.012	12	0.122	122	0.0002	0.2
闽	0.013	13	0.073	73	0.0001	0.1
赣	0.014	14	0.005	5	0	0
鲁	0.015	15	0.611	611	0.0009	0.9
豫	0.016	16	1.08	1080	0.0017	1.7
鄂	0.017	17	0.376	376	0.0006	0.6
湘	0.018	18	0.201	201	0.0003	0.3
粤	0.019	19	1.494	1494	0.0023	2.3
桂	0.02	20	0.001	1	0	0
川	0.022	22	0.013	13	0	0
贵	0.023	23	0.003	3	0	0
云	0.024	24	0.001	1	0	0
陕	0.026	26	0.128	128	0.0002	0.2
甘	0.027	27	0.003	3	0	0
青	0.028	28	0.006	6	0	0
宁	0.029	29	0.01	10	0	0
新	0.03	30	0.001	1	0	0
0	0.031	31	3.491	3491	0.0054	5.4
1	0.032	32	4.061	4061	0.0063	6.3
2	0.033	33	3.57	3570	0.0055	5.5
3	0.034	34	3.666	3666	0.0057	5.7
4	0.035	35	1.159	1159	0.0018	1.8
5	0.036	36	3.458	3458	0.0053	5.3
6	0.037	37	3.663	3663	0.0056	5.6
7	0.038	38	4.002	4002	0.0062	6.2
8	0.039	39	3.684	3684	0.0057	5.7
9	0.04	40	3.748	3748	0.0058	5.8
A	0.041	41	2.606	2606	0.004	4
B	0.042	42	0.738	738	0.0011	1.1
C	0.043	43	2.46	2460	0.0038	3.8
D	0.044	44	0.87	870	0.0013	1.3
E	0.045	45	0.703	703	0.0011	1.1
F	0.046	46	1.444	1444	0.0022	2.2
G	0.047	47	0.888	888	0.0014	1.4
H	0.048	48	0.859	859	0.0013	1.3
J	0.049	49	0.793	793	0.0012	1.2
K	0.05	50	0.691	691	0.0011	1.1
L	0.051	51	0.669	669	0.001	1
M	0.052	52	1.219	1219	0.0019	1.9
N	0.053	53	0.608	608	0.0009	0.9
P	0.054	54	0.629	629	0.001	1
Q	0.055	55	0.519	519	0.0008	0.8
R	0.056	56	1.242	1242	0.0019	1.9
S	0.057	57	0.739	739	0.0011	1.1
T	0.058	58	0.59	590	0.0009	0.9
U	0.059	59	0.479	479	0.0007	0.7
V	0.06	60	0.486	486	0.0007	0.7
W	0.061	61	0.436	436	0.0007	0.7
X	0.062	62	0.514	514	0.0008	0.8
Y	0.063	63	0.499	499	0.0008	0.8
Z	0.064	64	0.395	395	0.0006	0.6

统计车牌识别里面各个lable 的数量相关推荐

最新优秀开源：车牌识别、车型分析、车流统计、违停检测统统行
停车场闸机的车牌识别.道路两侧的违停检测.繁华路口的车流统计.茫茫车海中的车辆锁定-这些场景背后的技术原理大家是否在心中简单构思过?抑或想要抽时间自己攒一套出来可却又不知从何下手?--PP-Vehic ...
OpenCV（项目）车牌识别4 -- 总结篇
目录一.效果 1.成功案例 2.经典失败案例(单字符识别成类似字符) 3.其他失败案例二.总结三.车牌识别总代码一.效果 1.成功案例 2.经典失败案例(单字符识别成类似字符) 3.其他失败案 ...
OpenCV（项目）车牌识别2 -- 车牌字符分割（直方图）
目录试错 1.没有膨胀/膨胀过小:无法连接上单个字符. 2.膨胀过大:错误连接相邻字符. 一.直方图处理原理 1.横向分割 2.纵向分割过程: 一.中值滤波.灰度化二.二值化(统一黑底白字) 三 ...
深度神经网络实践：车牌识别
深度神经网络实践:车牌识别任务描述: 深度神经网络(DNN) 数据集介绍 1.数据准备 2.定义模型 3.训练模型 4.模型评估 5.使用模型 5.1对车牌图像进行预处理 5.2 对标签进行转换 5 ...
我用AI回怼美女汽车销售系列[yolo车牌识别](四)
上期回顾上一期中,我们从数据增强角度,对车牌识别进行了mixup,彷射变换,模糊处理等,最终在ccpd数据集的测试集上面将t将top1准确率从0.9683提升到了0.991(提升了2.3个点),但是 ...
用PaddlePaddle（飞浆）实现车牌识别
项目描述:本次实践是一个多分类任务,需要将照片中的每个字符分别进行识别,完成车牌的识别实践平台:百度AI实训平台-AI Studio.PaddlePaddle1.8.0 动态图数据集介绍(自己去网 ...
车牌识别及验证码识别的一般思路
本文源自我之前花了2天时间做的一个简单的车牌识别系统.那个项目,时间太紧,样本也有限,达不到对方要求的95%识别率(主要对于车牌来说,D,0,O,I,1等等太相似了.然后,汉字的识别难度也不小),因此 ...
车牌识别EasyPR--开发详解
非常详细的讲解车牌识别转载自:http://www.cnblogs.com/subconscious/p/3979988.html http://www.cnblogs.com/asks/p/437 ...
【opencv机器学习】基于SVM和神经网络的车牌识别
基于SVM和神经网络的车牌识别深入理解OpenCV:实用计算机视觉项目解析本文用来学习的项目来自书籍<实用计算机视觉项目解析>第5章Number Plate Recognition 提 ...

统计车牌识别里面各个lable 的数量

统计车牌识别里面各个lable 的数量相关推荐

最新文章

热门文章