MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)的模型实现一张新车牌照片字符预测

导读
利用自定义CNN-OCR算法，来训练车牌数据集(umpy.ndarray格式数据)，然后实现车牌照片字符识别，最后进行一张新车牌照片字符预测。

输出结果

设计思路

核心代码

输出结果

设计思路

本思路

总思路

核心代码

def getnet():        data = mx.symbol.Variable('data')label = mx.symbol.Variable('softmax_label')conv1 = mx.symbol.Convolution(data=data, kernel=(5,5), num_filter=32)pool1 = mx.symbol.Pooling(data=conv1, pool_type="max", kernel=(2,2), stride=(1, 1))relu1 = mx.symbol.Activation(data=pool1, act_type="relu")conv2 = mx.symbol.Convolution(data=relu1, kernel=(5,5), num_filter=32)pool2 = mx.symbol.Pooling(data=conv2, pool_type="avg", kernel=(2,2), stride=(1, 1))relu2 = mx.symbol.Activation(data=pool2, act_type="relu")flatten = mx.symbol.Flatten(data = relu2) fc1 = mx.symbol.FullyConnected(data = flatten, num_hidden = 120)   fc21 = mx.symbol.FullyConnected(data = fc1, num_hidden = 65)fc22 = mx.symbol.FullyConnected(data = fc1, num_hidden = 65)fc23 = mx.symbol.FullyConnected(data = fc1, num_hidden = 65)fc24 = mx.symbol.FullyConnected(data = fc1, num_hidden = 65)fc25 = mx.symbol.FullyConnected(data = fc1, num_hidden = 65)fc26 = mx.symbol.FullyConnected(data = fc1, num_hidden = 65)fc27 = mx.symbol.FullyConnected(data = fc1, num_hidden = 65)fc2 = mx.symbol.Concat(*[fc21, fc22, fc23, fc24,fc25,fc26,fc27], dim = 0)   return mx.symbol.SoftmaxOutput(data = fc2, name = "softmax")sym = getnet()
executor = sym.simple_bind(ctx = mx.cpu(), **input_shapes)

相关文章
CV：设计自动生成汽车车牌图片算法(cv2+PIL)根据指定七个字符自动生成逼真车牌图片数据集(带各种噪声效果)
MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)实现车牌照片字符识别并评估模型
MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)的模型实现一张新车牌照片字符预测

MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)的模型实现一张新车牌照片字符预测相关推荐

mmdetection实战，训练扑克牌数据集（VOC格式）并测试计算mAP
mmdetection实战,训练扑克牌数据集(VOC格式)并测试计算mAP 一.数据集准备二.mmdetection的安装三.修改相关文件 1. 修改class_names.py文件 2. 修改v ...
html在线ocr文字识别源码,OCR开源代码以及OCR公开训练测试数据集汇总
n1 OCR开源代码网址汇总 1.1 OCRE(OCR Easy), http://lem.eui.upm.es/ocre.html 1.2 Clara OCR,http://directory.fs ...
如何一个模型走天下？集成训练多数据集，打造通用目标检测模型方法详解
在目标检测的实际应用中,常常会出现需要泛化的目标检测系统的情况.如城市安防中,需要目标检测系统能够检测足够多类别的目标,才能达到更好的安防效果. 但目前常用的目标检测数据集中包含的类别数量有限,使用单 ...
使用YOLOv3训练BDD100K数据集之标签格式转换
BDD100K数据集介绍: BDD100K的道路目标检测部分总共有10类:bus,traffic light,traffic sign,person,bike,truck,moter,car,trai ...
CV：计算机视觉技最强学习路线之CV简介(传统视觉技术/相关概念)、早期/中期/近期应用领域(偏具体应用)、经典CNN架构(偏具体算法)概述、常用工具/库/框架/产品、环境安装、常用数据集、编程技巧
CV:计算机视觉技最强学习路线之CV简介(传统视觉技术/相关概念).早期/中期/近期应用领域(偏具体应用).经典CNN架构(偏具体算法)概述.常用工具/库/框架/产品.环境安装.常用数据集.编程技巧 ...
深入学习使用ocr算法识别图片中文字的方法
公司有个需求,简单点说需要从一张图片中识别出中文,通过python来实现,当然其他程序也行,只要能实现,而小编主要学习python,所以就提了python.一个小白在网上遨游了一天,终于找到一丝丝思绪 ...
ML之XGBoost：利用XGBoost算法对波士顿数据集回归预测(模型调参【2种方法，ShuffleSplit+GridSearchCV、TimeSeriesSplitGSCV】、模型评估)
ML之XGBoost:利用XGBoost算法对波士顿数据集回归预测(模型调参[2种方法,ShuffleSplit+GridSearchCV.TimeSeriesSplitGSCV].模型评估) 目录 ...
【工程测试与训练】使用BiSeNetv2测试、训练cityscapes数据集、训练自己的数据集
1 准备工作下载工程工程下载:https://github.com/CoinCheung/BiSeNet 预训练模型下载: 工程下载后解压,并在其中创建文件夹[MODEL]用于存放预训练模型 ...
【深度学习】【Python】【Widerface数据集】转VOC格式，VOC 转YOLOv5格式，YOLOv5训练WiderFace数据集，检查yolo labels对不对
文章目录 Widerface数据集转VOC格式 VOC 转YOLO格式数据集的imageslisttxt YOLOv5训练检查yolo labels对不对并行训练 Widerface数据集转VO ...
3D点云目标检测：MPPNet网络训练waymo数据集
MPPNet网络训练waymo数据集一.waymo数据预处理 1.1.waymo数据简介 1.2. waymo数据集预处理二.训练centerpoint网络三.训练mppnet网络四.训练结果 ...

MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)的模型实现一张新车牌照片字符预测

输出结果

设计思路

核心代码

MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)的模型实现一张新车牌照片字符预测相关推荐

最新文章

热门文章