Relocy的专栏

Theano下用CNN(卷积神经网络)做车牌中文字符OCR

Andrew Ng 机器学习第六课关于这个Precision和Recall的概念，我一直不能很好的理解，所以我找了个时间梳理的了一下。 - Accuracy = 准确率 预测对的除以总样本书 - Precision = 预测正率 - Recall = 查对率 预测对占实际是对的理解资料(转载)帮助理解的例子拿导弹的例子：雷达收到 100个导弹信号 ，只有3个是真的导弹 ，97

跑NeuralStyle教程(使用CNN的画风迁移实验)

看了几篇文章写的。我测试下来是收敛了，没有写动量项。代码素质写的很烂，编程水平不太高。//#include #include"math.h"#include using namespace std;float rand_(){ return rand() / float(RAND_MAX);}class Neuron;//连接类class C

传统的车牌识别过程是往往是这样的车牌定位->车牌判断->车牌字符的分割->车牌字符的识别这种方法有个好处就是，仅仅需要较少的字符样本即可用于分类器的训练。在光照，相机条件好的情况下也能取得较好的效果。现在大多数商业车牌识别软件采用的也是这种方法。但是在某些恶劣的自然情况下，车牌字符的分割和识别变得尤其的困难，传统的方法并不能取得很好的结果。这时候我们就能考虑下是否能整体一起识别。当然我们注意到车牌

使用adaboost+LBP和CNN regression来定位车牌过去一段时间我尝试着简单把人脸检测和对齐中的套路用到车牌识别上，也做了一些相关的实验。大概找了 600 多张 车牌照片。在进行crop后使用adaboost+lbp特征 训练了一个级联分类检测器。之后测试recall比EasyPR的cmser定位还要好。而且检测速度比cmser快5-6倍。在车牌小角度+-15倾斜都能被较好的定位。主要的

关于HyperLPRHyperLPR是一个使用深度学习针对对中文车牌识别的实现，与较为流行的开源的EasyPR相比，它的检测速度和鲁棒性和多场景的适应性都要好于目前开源的EasyPR，HyperLPR可以识别多种中文车牌包括白牌，新能源车牌，使馆车牌，教练车牌，武警车牌等。 Github地址：https://github.com/zeusees/HyperLPR车牌的精定位我们在训练完casca

关于HyperLPRHyperLPR是一个使用深度学习针对对中文车牌识别的实现，与较为流行的开源的EasyPR相比，它的检测速度和鲁棒性和多场景的适应性都要好于目前开源的EasyPR，HyperLPR可以识别多种中文车牌包括白牌，新能源车牌，使馆车牌，教练车牌，武警车牌等。 Github地址：https://github.com/zeusees/HyperLPR前言车牌识别是使用OCR来识别车牌