openalpr
- 相关文件的功能参看wiki,使用文档;
- 测试例子中的图时,应修改country为eu,即输出结果和国家的配置项相关;
- 暂时没有中国车牌的模型;
- C++版本支持单字符分割;
- binding中的python版本没找到检测和识别的独立模块;
- 官方基于ubuntu:18.04做的镜像可以根据说明文档运行,但是如果进去容器后(修改Dockerfile最后的ENTRYPOINT为CMD制作新镜像),运行报错。换成以ubuntu:16.04为基础镜像就可以了。
- star: 7382 fork:1582
deep-anpr
- 相关文件的功能和算法逻辑参看该博客;
- 该项目部分不完善;
- 检测采用滑窗的方式,利用网络判断区域中字母的概率及是否为车牌的概率,得到车牌的整体区域;
- 基于整图的7位定长车牌识别, 端到端识别;
- 可生成带噪声的国外车牌数据;
- star:1335 fork:559
end-to-end-for-chinese-plate-recognition
- 无检测模块,仅支持识别;
- 基于mxnet的端到端的中文车牌识别;
- 生成带噪声的国内车牌数据;
- star: 638 fork:357
HyperLPR
- 在end-to-end-for-chinese-plate-recognition模块的基础上增加检测模块;
- 识别网络固定输入图片大小;
- 支持单字符分割,输出单字符分割后的区域结果(与识别的车牌大小无关的灰度图);
- 添加的新的Python 序列模型-识别率大幅提高;
- 端到端(多标签分类和CTC)两种识别训练方式;
- star: 996 fork:484
把OCR的问题当做一个多标签学习的问题。7个数字组成的车牌就相当于有7个标签的图片识别问题(这里的标签还是有序的),用CNN来解决;
把OCR的问题当做一个语音识别的问题,语音识别是把连续的音频转化为文本,车牌识别就是把连续的图片转化为文本,用CNN+LSTM+CTC来解决;
ocr的端到端识别文章可查看该知乎
参考文献: