项目主页：https://github.com/zeusees/HyperLPR

1 C++中端到端的字符识别方法

此部分C++代码在HyperLPR-master\Prj-Win中test_segmentationFree.cpp、SegmentationFreeRecognizer.h、SegmentationFreeRecognizer.cpp、Pipeline.h，模型文件是\HyperLPR-master\Prj-Linux\lpr\model中SegmenationFree-Inception.caffemodel、SegmenationFree-Inception.prototxt。

1.1 模型网络结构

C++代码中的模型是用caffe实现的，在现有代码中，没有模型网络结构和模型训练，只给出了训练好的模型文件，所以如果要重新训练，需实现模型网络结构。模型网络结构详见SegmenationFree-Inception.caffemodel，模型的输入shape为 3 * 160 *40，输出shape为1 * 84 * 20（此模型能够识别长度可变的车牌字符，且python中端到端的字符识别采用ctc loss作为损失函数，后处理过程与ctc loss也极为相似，但没看见此模型的训练代码，只能猜测此模型是用ctc los训练）。如图：

1.2 测试结果

经过测试，该模型能够识别蓝牌和绿牌等长度可变的车牌，性能较好。用CCPD数据集测试结果如下：

2 python中端到端的字符识别方法

此部分测试的python代码在HyperLPR-master中demo.py、HyperLPRLite.py；此部分训练的python代码在hyperlpr-train-master中main.py。

2.1 模型网络结构

python代码中端到端的字符识别方法有两种：第一，ocr_plate_all_w_rnn_2.h5模型，此模型有训练代码（详见main.py，用keras实现），模型的输入shape为? * 160 * 40 * 3，输出shape为? * 16 * 1 * 84，损失函数为ctc loss。第二，ocr_plate_all_gru.h5模型，此模型是在ocr_plate_all_w_rnn_2.h5模型的基础上加入GRU单元，性能最好但无法转换成tensorRT模型。ocr_plate_all_w_rnn_2.h5模型的网络结构如下所示：

'''
功能：构建端到端车牌识别的网络结构
参数：width 输入图像宽度，模型中取160num_channels 通道，模型中取3
return：模型的输入和输出tensor
'''
def build_model(width, num_channels):input_tensor = Input(name='the_input', shape=(width, 40, num_channels), dtype='float32')x = input_tensorbase_conv = 32for i in range(3):x = Conv2D(base_conv * (2 ** (i)), (3, 3), padding="same")(x)x = BatchNormalization()(x)x = Activation('relu')(x)x = MaxPooling2D(pool_size=(2, 2))(x)x = Conv2D(256, (5, 5))(x)x = BatchNormalization()(x)x = Activation('relu')(x)x = Conv2D(1024, (1, 1))(x)x = BatchNormalization()(x)x = Activation('relu')(x)x = Conv2D(NUM_CHARS+1, (1, 1))(x)x = Activation('softmax')(x)y_pred = xreturn input_tensor, y_pred

2.2 ocr_plate_all_w_rnn_2.h5模型训练

以CCPD数据集作为训练数据集，目前得到ctc loss的值为0.01，训练速度很慢。

车牌字符识别HyperLPR中端到端的字符识别方法相关推荐

基于深度学习的端到端的车牌检测与识别
论文题目:Towards End-to-End Car License Plates Detection and Recognition with Deep Neural Networks 摘要: 对 ...
基于u-net，cv2以及cnn的中文车牌定位，矫正和端到端识别软件
本文链接:https://blog.csdn.net/qq_32194791/article/details/106748685,转载请注明出处完整项目已上传至github: https://git ...
FakeLPR车牌识别(3) ----- 车牌端到端识别
介绍前一篇介绍了车牌的角点定位,这一篇就到端到端识别车牌了 1.粗定位 2.角点检测矫正 3.端到端识别字符本文介绍第三步,端到端识别车牌,思路和前一篇中的角点检测一样,通过 caffe 实现多标 ...
利用 AssemblyAI 在 PyTorch 中建立端到端的语音识别模型
作者 | Comet 译者 | 天道酬勤,责编 | Carol 出品 | AI 科技大本营(ID:rgznai100) 这篇文章是由AssemblyAI的机器学习研究工程师Michael Nguyen ...
端到端加密（E2EE）技术分析：在移动应用中实现安全通信的利器
什么是端到端加密? 实际上,我们可以将端到端加密(E2EE)视作一种目前比较安全的通信系统.在这个系统中,只有参与通信的双方用户可以读取通信数据.不仅网络犯罪分子无法窃听到这种通信信息,甚至连互联网服 ...
flask项目中无法更改端口号
flask项目中无法更改端口号 app.run(port=8000) 问题启动后是 127.0.0.1:5000 解决方法
独家 | 构建端到端数据科学项目，从我的Data Scientist Ideal Profiles项目中学习（附链接）...
翻译:张睿毅校对:吴金笛本文约1500字,建议阅读5分钟. 本文为你介绍了构建数据科学项目中重要的思维能力及训练建议. Joseph Barrientos 拍照于 Unsplash (链接:htt ...
Qt中TCP服务端编程
文章目录 1 Qt中的TCP服务端编程 1.1 TCP服务端编程介绍 1.2 Qt中的TCP服务端编程 1 Qt中的TCP服务端编程 1.1 TCP服务端编程介绍网络中的服务端: 服务端是为客户端服 ...
机器学习中什么是端到端的训练方法（端到端学习）？（end2end learning）
相对于深度学习,传统机器学习的流程往往由多个独立的模块组成,比如在一个典型的自然语言处理(Natural Language Processing)问题中,包括分词.词性标注.句法分析.语义分析等多个独 ...

车牌字符识别HyperLPR中端到端的字符识别方法