ULPR(Universal License Plate Recognition)的设想是一个通用场景下的车牌识别系统。因为是从EasyPR出发,所以还是保留EasyPR-python的原库名。
python 3 tensorflow 1.5.0 keras 只在windows下进行了测试
感谢EasyPR demo测试时使用了EasyPR的数据库
训练easypr方法时,请下载easypr_train_data.zip放到data目录下 测试时请下载data.zip放到data目录下 easypr的训练数据和各个模型的训练模型请从百度云上下载 将模型文件:
解压放在output下。
最后data文件夹下目录结构是 ├─demo ├─easypr_train_data │ ├─chars │ └─whether_car ├─general_test ├─GDSL.txt └─使用说明.txt output文件夹下目录结构是 ├─chars_20180210T1038
├─mrcnn_20180212T2143
└─whether_car_20180210T1049
[] 写博客 [] multi-label的车牌识别 [] 更好的根据mask获得车牌精确4个点的算法 [] 轻量化
[x] 重构代码 [x] mask-rcnn
可以参考scripts下的训练脚本
切换不同方法时使用不同cfg即可,如将easypr.yml替换为maskrcnn.yml demo
# 用easypr的方法
python demo.py --cfg cfgs/easypr.yml --path data/demo/test.jpg
功能测试
python func_test.py --cfg cfgs/easypr.yml
批量测试(data目录下需要有general_test目录)
python accuracy_test.py --cfg cfgs/easypr.yml