python处理车牌字符数据

为了用深度学习来训练一个车牌识别的字符识别模型，首先需要解决的问题是处理数据的问题，为了能够把数据传入到网络里进行训练，我这里使用的one_hot编码，具体的细节如下：

首先准备数据集：

一部分自己的数据集，一部分是 Easypr的数据集（后500张图片作为测试集，其他的作为训练集）67617张
类别：65类
0-9共十个类，A-Z共二十四个类(除了O,I)，

中文汉字共三十一个类( '鄂','赣','甘','贵','桂','黑','沪','冀','吉','津','晋','京','辽','鲁','蒙','闽','宁','青','琼','陕','苏','皖','湘','新','豫', '渝','粤','云','藏','浙')

归一化：
将每张输入字符图片大小归一化为20X20，并转成灰度；
图片的命名格式：
将数据集中的图片命名为label.num.jpg(比如：0.0.jpg)，目的是在于更方便的取得图片的标签与图片；
省份使用拼音字符串存储ÿ