车牌分类

该博客介绍了针对1700多张包含蓝、绿、黄、白四种颜色车牌的图片进行分类的任务。首先从标注的JSON文件中提取车牌并裁剪,再调整为固定尺寸进行四分类。使用了1conv+2fc的网络结构,分类交叉熵损失函数和Adam优化器。通过训练,实现了高准确率,并在1080Ti GPU上进行了实验,探讨了不同网络结构的效果。
摘要由CSDN通过智能技术生成

                         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

1.读取标注工具生成的JSON格式文件

       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。

2.提取车牌区域

     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.

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
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