HyperLPR车牌识别成功运行项目总结

本文介绍了一个基于TensorFlow、Python和Keras的车牌识别系统。该系统利用cascade.xml进行车牌检测,通过model12.h5实现边界回归,ocr_plate_all_gru.h5用于文字识别。系统由三层CNN和四层GRU组成,对车牌识别准确率高,如冀H9U658和皖A92141,识别信心度分别达0.989和0.975。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

实现环境:
tensorflow python2 keras 

运行demo.py 所用到的模型:

cascade.xml         车牌检测模型
model12.h5          用左右边界回归模型
ocr_plate_all_gru.h5用于检测车牌中的文字
网络结构是三层卷积神经网络(CNN),以及四层内控循环单元(GRU)组成

代码分析网页链接:
https://blog.youkuaiyun.com/qq_37423198/article/details/81266401

检测结果:
plate_str:
冀H9U658
plate_confidence
0.989165553024837
Image size :447x454 need 47.6ms

plate_str:
皖A92141
plate_confidence
0.9755159105573382
Image size :936x1104 need 119.69ms
 

评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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