车牌分类

                         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.

3.批量修改车牌名称

       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。

4.定义网络模型，损失函数，优化算法

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。

5.训练模型

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