水表读数自动识别,有图形界面,有完整代码和教程,可运行。基于DB和CRNN的方法。水表读数识别。

 本文参考

我爱计算机视觉

参考的博客是水表读数自动识别,基于DB和CRNN的方法-CSDN博客

前言

环境自己看报错配置吧。

PT文件训练好了,但只有30代,准确度不高。用是可以用。

一.项目压缩包下载

百度网盘吧,10kb下一天差不多了。

链接:https://pan.baidu.com/s/1E72mndB_MGSirHVrkk8BKg?pwd=UFNK 
提取码:UFNK

二.项目运行方法

运行Main.py可以启动我编写的界面。

datasets里面是训练的图片。

temp里面是最终训练出来的CRNN和DB的模型。

三.项目运行结果

太久没开了,结果PYQT出BUG了,先不演示了,这段时间重装下系统。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
1. YOLOv3文本检测算法 YOLOv3是一种基于深度学习的目标检测算法,可以用于文本检测。下面是基于YOLOv3实现文本检测的步骤: 1.1 数据预处理 首先,需要对数据进行预处理。文本检测的任务是在图像中定位并提取文本区域,因此需要对图像进行分割和标注。可以使用标注工具对图像进行标注,标注出文本区域的位置和大小。 1.2 模型训练 使用预处理好的数据集进行模型训练。可以使用已经训练好的预训练模型或者自己训练模型。 1.3 模型预测 使用训练好的模型进行预测。对于每个测试图像,模型会输出一组边界框,每个边界框表示一个文本区域。可以根据置信度和非极大值抑制等方法,筛选出最终的文本区域。 2. CRNN文本识别算法 CRNN是一种基于深度学习的文本识别算法,可以用于对文本区域进行识别。下面是基于CRNN实现文本识别的步骤: 2.1 数据预处理 首先,需要对文本区域进行预处理,将其转换成文本图像。可以使用图像处理技术,将文本区域裁剪出来,并进行归一化、二值化等处理。 2.2 模型训练 使用预处理好的文本图像进行模型训练。可以使用已经训练好的预训练模型或者自己训练模型。 2.3 模型预测 使用训练好的模型进行预测。对于每个文本图像,模型会输出一个文本字符串。可以根据置信度和语言模型等方法,筛选出最终的文本字符串。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值