(1)这是一个关于车牌识别的简单项目,使用python tensorflow ...
https://blog.csdn.net/Julialove102123/article/details/78595626
https://github.com/QueenJuliaZxx/number_plate-recognition
http://matthewearl.github.io/2016/05/06/cnn-anpr/
https://github.com/matthewearl/deep-anpr
在windows下运行该项目具有以下依赖项:
-
OpenCV的
-
NumPy的
(2)(只能作为识别部分检测部分他没给估计也是基于cascade的,识别部分精度不够,如果想利用他的识别部分得需要调优 )end-to-end-for-chinese-plate-recognition车牌识别
https://github.com/ibyte2011/end-to-end-for-chinese-plate-recognition
https://github.com/szad670401/end-to-end-for-chinese-plate-recognition
https://github.com/ibyte2011/end-to-end-for-chinese-plate-recognition
end-to-end-for-chinese-plate-recognition车牌识别 这个已经在windows下进行测试过 准确率不高 并且只是针对车牌 没有给整车。
(3)(不考虑)License-Plate-Detect-Recognition-via-Deep-Neural-Networks-accuracy-up-to-99.9
注意说明: 项目采用vs2015 x64 release cuda9.2编译
##一、整个大车牌检测基于haar+cascade的检测或者mtcnn的检测,在windows下进行
(4)端到端车牌识别(tensorflow版本)(没有进行过测试看到评论他们实现的检测精度很低 就没考虑这个 估计也不行 再看吧)
https://blog.csdn.net/ssmixi/article/details/78220039
https://blog.csdn.net/ssmixi/article/details/78223907
(5)CCPD:中国城市停车数据集(正在解压数据及 可现在win上试试 不行的话在服务器上跑)
环境(只要你能运行代码就不那么重要):
-
python:pytorch(0.3.1),numpy(1.14.3),cv2(2.4.9.1)。
-
system:Cuda(9.1版,V9.1.85)
(6)HyperLPR
先不考虑https://github.com/zeusees/HyperLPR
(7)端到端的车牌识别(SSD)(没有主函数运行不了)https://blog.csdn.net/lsy17096535/article/details/78687728
(8)端到端的车牌识别工程(YOLOV2)(他是自己做的数据集 数据量少 如果在网上找的数据集必须有对应的标签才能用这个程序)
https://blog.csdn.net/ap1005834/article/details/75425744
https://blog.csdn.net/ap1005834/article/details/75950628
https://blog.csdn.net/ap1005834/article/details/77007909
https://cloud.tencent.com/developer/article/1005199
https://download.csdn.net/download/ap1005834/9926720
(9) 识别的是印度车牌 这个可以做检测模型https://github.com/siddrao/License-Plate-Detection-and-Recognition
https://github.com/adityamohan93/License-Plate 在ubantu上运行
https://github.com/zdyScott/Vehicle-License-Plate-Detection-and-Recognition 只有数据集 有标注文件