一站式完成车牌识别任务：从模型优化到端侧部署

交通领域的应用智能化不断往纵深发展，其中最为成熟的车牌识别早已融入人们的日常生活之中，在高速公路电子收费系统、停车场等场景中随处可见。一些企业在具体业务中倾向采用开源方案降低研发成本，但现有公开的方案中少有完成端到端的车牌应用范例。

本次飞桨产业实践范例库开源车牌识别场景应用，提供了从技术方案、模型训练优化，到模型部署的全流程可复用方案，降低产业落地门槛。

项目链接

https://github.com/PaddlePaddle/PaddleOCR/tree/dygraph/applications

所有源码及教程均已开源。欢迎大家使用，star鼓励~

基于PaddleOCR的轻量级车牌识别系统

场景难点

本范例解决车牌识别任务，需完成车牌检测模型和车牌识别模型的微调与串联，并部署到端侧设备中。项目包含以下难点：

• 车牌在图像中的尺度差异大、在车辆上的悬挂位置不固定；
• 车牌图像质量层次不齐: 角度倾斜、图片模糊、光照不足、过曝等问题严重；
• 边缘和端测场景应用对模型大小有限制，推理速度有要求。

图1