车牌检测识别--Towards End-to-End Car License Plates Detection and Recognition with Deep Neural Networks

最新推荐文章于 2024-05-06 17:28:32 发布
最新推荐文章于 2024-05-06 17:28:32 发布
阅读量3.1k 收藏 2
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhangjunhit/article/details/78193145
版权

Towards End-to-End Car License Plates Detection and Recognition with Deep Neural Networks
https://arxiv.org/abs/1709.08828

本文使用CNN网络来进行车牌检测和识别，一个网络完成端对端训练，检测和识别不用分离。
The whole framework takes 0.3 − 0.4 second per image on a Titan X GPU

这里写图片描述

网络流程如下所示：
这里写图片描述

首先使用 VGG-16 中的卷积层来提取特征，然后使用 Region Proposal Network (RPN) 来提取车牌候选区域，有了车牌区域，我们进行车牌识别，这里我们没有进行车牌分割， regard the plate recognition as a sequence labeling problem。

Bidirectional RNNs (BRNNs) with CTC loss [14] are employed to label the sequential features
这里写图片描述

识别效果图：
这里写图片描述

Performance Evaluation on PKUData
这里写图片描述

11

O天涯海阁O
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
End-to-end-for-chinese-plate-recognition:基于u-net，cv2以及cnn的中文车牌定位，矫正和端到端识别软件，其中unet和cv2用于车牌定位和矫正，cnn进行车牌识别，unet和cnn都是基于tensorflow的keras实现
03-21
端到端的中文版识别 基于u-net，cv2以及cnn的中文车牌定位，矫正和端到端识别软件，其中unet和cv2用于车牌定位和矫正，cnn进行车牌识别，unet和cnn都是基于tensorflow的keras实现 环境：python：3.6，tensorflow：1.15.2，opencv：4.1.0.25，keras：2.3.1 整体思路：1。利用u-net图像分割得到二值化图像，2。再使用cv2进行边缘检测获得车牌区域坐标，连接车牌图形校正正，3。利用卷积神经网络cnn进行车牌多标签端到端识别，具体描述可见CSDN博客： ://blog.csdn.net/qq_32194791/article/details/106748685 实现效果：拍摄角度倾斜，强曝光或昏暗环境等足以更好地识别，甚至有些百度AI车牌识别替换识别的图片也能识别 注意：若是直接识别类似下图的无需定位的完整车牌，那么
车牌识别“Towards End-to-End Car License Plates Detection and Recognition with Deep Neural Networks”
cv_family_z的博客
10-09 4674
车牌检测和识别，很久没关注了。作者提出了一个一体化的深度网络，同时进行车牌的检测和识别，在识别时不需要字符分割，而是使用带有CTC的RNN网络，具体的实现细节在论文的参考论文【14】中。模型首先使用卷积层应用到输入图像，之后提取车牌proposals，接下来使用RoI池化层和MLP进行车牌检测和bbox回归，同时使用带有CTC的RNN进行牌照识别，网络的结构如图1所示： 车牌检测网络： 车牌检测
车牌号识别系统：PyQT5+QT Designe+crnn/PaddleOCR+YOLO+OpenCV矫正算法。
最新发布
weixin_46221106的博客
05-06 2970
使用 PyQT5&QT Designe+crnn/PaddleOCR+YOLO+传统OpenCV矫正算法。实现一个可视化的车牌识别系统项目。（可以改为自己的项目）
基于深度学习的端到端的车牌检测与识别
weixin_41041772的博客
03-08 9082
论文题目：Towards End-to-End Car License Plates Detection and Recognition with Deep Neural Networks 摘要： 对于自然场景下的车牌检测与识别任务，本文提出了一个统一的可以同时定位车牌与识别字符的端到端的网络框架。相比于分步进行车牌检测与识别的现有方法，单个网络的联合解决方案可以避免中间过程的错误累计，，...
车牌识别(end-to-end-for-chinese-plate-recognition)项目搭建基于Mxnet(Python 3.5)
weixin_30949361的博客
09-14 334
最近看到geihub上有个车牌识别的项目，感觉很有意思，从上面fork了一下弄到本地自己跑了下。在安装过程中遇到了一些问题，记录如下。 项目github连接:https://github.com/szad670401/end-to-end-for-chinese-plate-recognition ,本机环境Win8 64bit 该项目是基于Python做的，所以首先安装python，本着用最...
端到端的中文车牌识别
03-01
基于端到端的深度学习的车牌、验证码、文档等字符识别，可以基于此进行样本生成和模型训练。
【10】Towards End-to-End Speech Recognitionwith Recurrent Neural Networks.pdf
08-26
of the deep bidirectional LSTM recurrent neural network architecture and the Connectionist Temporal Classification objective function. A modification to the objective function is introduced that ...
Faster R-CNN Towards Real-Time Object Detection With Region Proposal Networks
08-06
论文：Faster R-CNN Towards Real-Time Object Detection With Region Proposal Networks
Faster R-CNN: Towards Real-Time Object Detection with Region
04-06
《Faster R-CNN：迈向实时区域对象检测》 这篇论文是关于Faster R-CNN，这是一种基于深度学习的目标检测框架，旨在解决传统方法中区域提议算法造成的计算瓶颈，提高对象检测的速度。Faster R-CNN的核心创新在于引入...
Self-Distillation: Towards Efficient and Compact Neural Networks
01-15
【深度学习】与【知识蒸馏】是当前AI领域的热门话题，它们对于构建高效和紧凑的神经网络至关重要。本文提出的【自蒸馏】方法是一种创新的技术，旨在解决深度神经网络（DNN）在精度提高的同时计算量和参数数量急剧...
Faster R-CNN Towards Real-Time Object Detection with Region Proposal
10-14
《Faster R-CNN：迈向实时目标检测的区域提案网络》是计算机视觉领域的一个里程碑式的工作，由Shaoqing Ren、Kaiming He、Ross Girshick和Jia Deng共同提出。该研究解决了以往目标检测算法速度与精度之间的权衡问题...
tensorflow车牌号码识别源码
04-03
tensorflow车牌号码识别源码,tensorflow文字识别扩展发挥
图像处理-车牌的检测与识别
12-15
基于Matlab形态学方法，做出的车牌数字的检测与识别。
车牌检测和识别opencv代码
03-12
车牌识别代码，采用C++和OPENCV2实现，详细实现过程可以参见我的博客车牌识别文章。训练所用的数据科查看我的另外一个资源。
车牌检测识别数据集
09-05
车牌检测与识别数据集：包括训练车牌检测模型数据：车牌和非车牌图块大小是136*36。 训练字符识别模型数据： 车牌字符大小是20*20，包括：数字：0~9；字母：A~Z；省市简称：京、津、晋、冀、蒙、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、琼、川、贵、云、藏、陕、甘、青、宁、新、渝，具体参考https://github.com/cnhui
[论文阅读]CCPD|Towards End-to-End License Plate Detection and Recognition: A Large Dataset and Baseline
一碗白开水一
07-23 1134
题目：Towards End-to-End License Plate Detectionand Recognition: A Large Dataset and Baseline 作者：Zhenbo Xu ；Wei Yang；etc… Motivation: 作者认为目前现有的数据集都比较小，于是作者整个大的CCPD，然后基于这个数据集又设计了一个检测模型。 Methods: 作者通过各种办法做了这个数据集，很丰富，很感人。 然后主要看作者设计的检测模型：The Roadside Parking Net
Towards End-to-end Text Spotting with Convolutional Recurrent Neural Networks阅读笔记
BangGui02
08-18 6686
1.摘要 论文提出一种统一的网络结构模型，这种模型可以直接通过一次前向计算就可以同时实现对图像中文本定位和识别的任务。这种网络结构可以直接以end-to-end的方式训练，训练的时候只需要输入图像，图像中文本的bbox，以及文本对应的标签信息。这种end-to-end训练的模型，可以学习到更加丰富的特征信息。而且，这种模型所需要的时间更少，因为在文本检测和识别的时候，只需要计算一次图像的特征，这
车牌识别
u012483097的博客
08-22 855
1.https://github.com/openalpr/openalpr 2.https://github.com/search?utf8=%E2%9C%93&q=easypr&type= 3.https://github.com/zeusees/HyperLPR/tree/master/Prj-Linux 方案一是国外的车牌识别算法，不支持国内的车牌，但是国内有人将...
深度学习实战中国车牌检测与识别【数据集+模型+源码+PyQt5界面】
weixin_40280870的博客
08-26 5187
深度学习在车牌识别领域的研究背景源于计算机视觉和模式识别领域的发展。车牌识别是一种重要的图像处理任务，它在交通管理、安防监控、停车管理等领域具有广泛的应用价值。
faster r-cnn: towards real-time object detection with region proposal networks
06-28
Faster R-CNN是一种基于区域建议网络（Region Proposal Networks，RPN）的物体检测算法，旨在实现实时物体检测。它通过预测每个区域是否含有物体来生成候选框，并使用卷积神经网络（CNN）来确定候选框中的物体类别。...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值