使用PaddlePaddle实现车牌识别

任务

车牌识别是一个非常常见的深度学习任务。车牌识别是一个多分类任务，需要将照片中的每个字符分别进行识别，完成车牌的识别。

实践平台

完成该任务的平台为百度AI实训平台-AI Studio，深度学习框架选择了百度的开源深度学习框架PaddlePaddle，版本1.7 ，在编程上采用了动态图实现方式。

数据集

• 数据集包括65个文件夹

• 包含0-9，A-Z，以及各省简称

• 图片为1x20x20的灰度图像

• 本次实验中，取其中的10%作为测试集，90%作为训练集
  

选择网络

卷积神经网络比全联接的神经网络更容易提取图像的特征，同时参数量又大大减少了。本次实验选择了经典的卷积神经网络-VGG网络结构，如图所示。

实验结果

经过500次训练，测试集上的准确率已经达到99%以上。

结论

PaddlePaddle是百度推出的深度学习框架，学习曲线低，容易使用。AIStudio是百度提供的云端深度学习平台，该平台提供了免费的GPU训练环境，解决了广大深度学习爱好者没有免费算力资源的困难。关于本项目的更多细节请参考本人在AIStudio上的开源项目：https://aistudio.baidu.com/aistudio/projectdetail/510586