我正在尝试使用像CNN这样的深度学习技术来检测和读取车牌号码的深度学习模型。我将在张量流中建立一个模型。但我仍然不知道构建这种模型的最佳方法是什么。构建识别车牌模型的最佳方法(ALPR)
我检查了几个模型这样 https://matthewearl.github.io/2016/05/06/cnn-anpr/
我也查了一些研究论文,但没有显示具体的方式。
所以我就准备要遵循的步骤是
图像使用OpenCV的预处理(灰度,转换等我不知道很多关于这部分)
车牌检测(可能是通过滑动窗口方法)
- 使用CNN通过构建合成数据集来训练,如上面的链接。
我的问题
有没有什么更好的方法来做到这一点?
RNN也可以结合CNN后的可变长度数字吗?
我应该更喜欢检测和识别个别字符,而不是整个板块?
有许多老方法喜欢图像预处理和直接传递到OCR.What会是最好的?
PS-我想制作一个商业实时系统。所以我需要很好的准确性。
如果您希望CNN能够在真实的光照,移动,角度和故意混淆的情况下阅读真实生活中的车牌,那么您将需要大量的示例图像数据集。综合数据只会让你到目前为止。就像凯西李建议的那样,建立一系列约束步骤可能是你最好的选择,但是你的系统只能和最薄弱的环节一样强大。如果您的牌照检测只有97%,那么97%是您的准确度上限。如果您的CNN每个字符的准确率为99%,并且有8个字符,那么您的上限精度为.99^8 = 92%。 – Wontonimo
是的,我明白了。我需要一种方法来确保我只是从号码牌中读取,忽略图像中的其他文本,如招牌或其他东西 –