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
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。
目录
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 ...
最新文章
- 人工神经网络控制下的智能车
- Atom 编辑器实时预览 HTML 页面
- JavaScript中setAttribute用法
- 列表生成式(List)
- 基于javaweb jsp+servlet学生宿舍管理系统设计和实现
- 北京黑龙江商会成立纪实(2)
- 十二、安装redis3.2
- python什么是数据结构_Python中最有效的图形数据结构是什么?
- ServiceLoader用法demo
- 独立博客大全的SWOT分析
- layuiadmin开发文档
- Eureka常见问题解答
- 沃尔沃自动驾驶卡车Vera开始在瑞典港口运货 最高时速40公里
- 实现ALOHA协议仿真算法
- 2016都市小说排行版前十推荐
- 通往大国之路 中国的知识重建和文明复兴
- C语言 求解一元二次方程组
- 收银系统显示选择服务器,选择收银系统这几点需要提前知道?
- Windows xp Embedded常见问题(转贴一)
- 怎么从 SQL Server 数据库中导出 SQL 语句?