车牌分类任务
任务描述:
对1700多张图片(包含蓝、绿、黄、白四种颜色牌照的车)进行分类。但是车牌区域在整张图片的占比非常小,所以首先依据标注的坐标将车牌裁剪出出来,然后用此裁剪后的图像进行四分类任务。本任务代码已经上传至github中。
需要解决的问题:
保证网络结构最简、计算复杂度低,但同时需保证Recall、Precision
JSON格式是一种相比于XML格式更轻量级的数据交互格式,采用完全独立于编程语言的文本格式来存储和表示数据。
首先提取车牌区域,然后根据计算出来的车牌高度和宽度均值,将车牌区域图像resize成固定大小(对之后的神经网络训练是必须的)
本次实验的图像size为64x128.
批量修改车牌名称,便于管理;并将爬取得图片或搜集的图片中灰度图先找出来。
最优结构是1conv+2fc;损失函数为分类交叉熵损失;优化算法是Adam。
6. 实验结论
由于使用的是1700多张训练集,基本可保证100%的准确率。
使用的GPU型号是1080Ti,以下是不同网络结构对比结果,实验目标是获得最优的车牌分类网络
参考资料:
1. 读取文件 https://www.cnblogs.com/wktwj/p/7227544.html