- 1
- 0
- 约2.79千字
- 约 2页
- 2023-12-08 发布于宁夏
- 举报
hyperlpr学习笔记——demo学习
demo中总的流程分为:1)利⽤cascade进⾏车牌定位
2)对粗定位的车牌进⾏左右边界回归,去除车牌两边多余的部分
3)将精定位的车牌送⼊CRNN⽹络进⾏字符识别
model=pr.LPR(model/cascade.xml,model/model12.h5,model/ocr_plate_all_gru.h5)
分别加载cascade模型,左右边界回归模型,字符识别模型
1、车牌粗定位
利⽤多尺度检测detectMultiScale,得到可能的车牌,及其在原图中的rect位置
images=self.detectPlateRough(image,image.shape[0],top_bottom_padding_rate=0.1)
2、利⽤左右边界回归模型,预测出车牌的左右边框,进⼀步裁剪,进⾏精定位
利⽤的⽹络模型:
defmodel_finemapping(self):
input=Input(shape=[16,66,3])
x=Conv2D(10,(3,3),
您可能关注的文档
最近下载
- 商业银行理财产品估值指引(试行).docx VIP
- 20ZJ401 楼梯栏杆(中南标).pdf VIP
- (2026秋新版)苏教版五年级科学上册《第3单元 单元小结》PPT课件.pptx
- 事故隐患内部报告奖励制度.doc VIP
- JL039-87岩棉检验报告.doc VIP
- BS EN 13146-5-2012 铁路应用设施.轨道.紧固系统的试验方法.电阻的测定.pdf VIP
- 05J2地下工程.pdf VIP
- 2025年红领认证测试题及答案.docx VIP
- 结构化思维与表达:金字塔原理实战训练(70页PPT).pptx VIP
- BS EN 13146-8-2002 国外国际规范.pdf VIP
原创力文档

文档评论(0)