syan
GitHub
7 years ago
1 changed files with 6 additions and 6 deletions
Unified View
Diff Options
-
+6 -6README.md
+ 6
- 6
README.md
View File
| @@ -9,9 +9,9 @@ HyperLPR是一个基于Python的使用深度学习针对对中文车牌识别的 | |||||
| ### 特性 | ### 特性 | ||||
| + 单张720p 识别时间在单核Intel 2.2G CPU(MBP2015 15inch)不低于 140ms。比EasyPR单核识别速度快近10倍左右的时间。 | |||||
| + 单张720p图像，单核Intel 2.2G CPU 识别时间140ms左右，比EasyPR单核识别速度快近10倍的时间。 | |||||
| + 识别率在EasyPR数据集上0-error达到70.2% 1-error识别率达到 89.6% | + 识别率在EasyPR数据集上0-error达到70.2% 1-error识别率达到 89.6% | ||||
| + 单线程平均检测时间在EasyPR数据集在保持在160ms以下。基于adaboost检测方法在实时性、召回率、准确率上都不逊于MSER方法。检测recall和easyPR持平。 | |||||
| + 检测方法在实时性、召回率、准确率上都优于MSER方法，检测recall和easyPR持平。 | |||||
| + 代码框架轻量，总代码不到1k行。 | + 代码框架轻量，总代码不到1k行。 | ||||
| ### 依赖 | ### 依赖 | ||||
| @@ -23,15 +23,15 @@ HyperLPR是一个基于Python的使用深度学习针对对中文车牌识别的 | |||||
| + OpenCV | + OpenCV | ||||
| + scikit-image | + scikit-image | ||||
| ### Pipeline | |||||
| ### 设计流程 | |||||
| > step1. 使用opencv 的 HAAR cascade 检测车牌大致位置 | |||||
| > step1. 使用opencv 的 HAAR Cascade 检测车牌大致位置 | |||||
| > step2. Extend 检测到的大致位置的矩形区域 | > step2. Extend 检测到的大致位置的矩形区域 | ||||
| > step3. 使用类似于mser的方式的多级二值化+ransac拟合车牌的上下边界 | |||||
| > step3. 使用类似于MSER的方式的 多级二值化 + RANSAC 拟合车牌的上下边界 | |||||
| > step4. 使用CNN regression回归车牌左右边界 | |||||
| > step4. 使用CNN Regression回归车牌左右边界 | |||||
| > step5. 使用基于纹理场的算法进行车牌校正倾斜 | > step5. 使用基于纹理场的算法进行车牌校正倾斜 | ||||