hyperlpr学习笔记——demo学习.pdfVIP

  • 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),

文档评论(0)

1亿VIP精品文档

相关文档