Распознавание номерных знаков с помощью LPRnet

этот код основан на статье: LPRNet: Распознавание номерных знаков с помощью глубоких нейронных сетей https://arxiv.org/pdf/1806.10447.pdf

это легкая сеть для распознавания номерных знаков.

она использует CNN + CTC loss для распознавания номерного знака без сегментации.

Шаг 1: установите значения по умолчанию

В файле LPRtf3.py:

num_epochs = 300

INITIAL_LEARNING_RATE = 1e-3

DECAY_STEPS = 2000

LEARNING_RATE_DECAY_FACTOR = 0.9 # Фактор уменьшения скорости обучения

MOMENTUM = 0.9

REPORT_STEPS = 5000

количество тренировочных данных

BATCH_SIZE = 50

TRAIN_SIZE = 7368

BATCHES = TRAIN_SIZE // BATCH_SIZE

test_num = 3

ti = 'train' # местоположение тренировочных данных

vi = 'valid' # местоположение данных для валидации

img_size = [94, 24]

tl = None

vl = None

num_channels = 3

label_len = 7 # длина символов номерного знака

Шаг 2: начните обучение

запустите

$python3 LPRtf3.py

и затем на экране появится:

'train or test:'

затем:

введите 'train' для обучения

введите 'test' для тестирования

если вы хотите обучить свою собственную модель, вам нужно переименовать файлы номерных знаков в формат "province(перевести китайский символ в соответствующий код согласно 'dict' в LPRnet.py)_цифры и буквы номерного знака", примеры находятся в папке 'train'.