车牌识别的思路
车牌识别的思路其实就是和验证码识别是一样的道理,在**的车牌中一共有7位字符可以对这7个字符进行one-hot编码生成一个向量 一张车牌对应一个车牌标签即这7个字符生成的向量
使用google的colaboratory训练resnet34模型
train.ipynb是在colaboratory中运行的
在model.fit_generator()可以调参,我没有调参使用的默认的参数,调参数可以上keras查看模型调参函数的设置
#训练的时候每轮1000个样本共5轮,一个batch_size=32,所以一共有16W张图片
model.fit_generator(gen(), samples_per_epoch=1000,nb_epoch=5, nb_worker=1, pickle_safe=True, validation_data=gen(), nb_val_samples=1280)
test.py是使用训练好的模型进行测试
调用评价函数时: 跑完后的是每个字符的准确率不是整张图片的准确率
生成测试图片.py是可以生成供test.py测试的图片
训练好的模型: https://pan.baidu.com/s/1ZCEUo4qBXMEgEIsItQV51A
参考
https://github.com/szad670401/end-to-end-for-chinese-plate-recognition