syan
GitHub
7 years ago
No known key found for this signature in database
GPG Key ID: 4AEE18F83AFDEB23
1 changed files with 8 additions and 8 deletions
Unified View
Diff Options
-
+8 -8README.md
+ 8
- 8
README.md
View File
| @@ -10,7 +10,7 @@ HyperLPR是一个使用深度学习针对对中文车牌识别的实现，与较 | |||||
| + 添加端到端的序列识别模型识别率大幅度提升 | + 添加端到端的序列识别模型识别率大幅度提升 | ||||
| + 添加的端到端模型可以识别 新能源车牌，教练车牌，白色警用车牌 | + 添加的端到端模型可以识别 新能源车牌，教练车牌，白色警用车牌 | ||||
| + 更新Windows版本的Visual Studio工程。（2017.11.15） | |||||
| + 更新Windows版本的Visual Studio 2015 工程。（2017.11.15） | |||||
| + 增加cpp版本,目前仅支持标准蓝牌(需要依赖OpenCV 3.3) | + 增加cpp版本,目前仅支持标准蓝牌(需要依赖OpenCV 3.3) | ||||
| @@ -18,16 +18,16 @@ HyperLPR是一个使用深度学习针对对中文车牌识别的实现，与较 | |||||
| ### 特性 | ### 特性 | ||||
| + 速度快 720p ，单核 Intel 2.2G CPU (macbook Pro 2015)识别时间 <=140ms 。 | |||||
| + 基于端到端的车牌识别无需进行字符分割。 | |||||
| + 识别率高 EasyPR数据集上0-error达到 81.75%, 1-error识别率达到 94.1%。 | |||||
| + 轻量 总代码量不超1k行。 | |||||
| + 速度快 720p ，单核 Intel 2.2G CPU (macbook Pro 2015)识别时间 <=140ms | |||||
| + 基于端到端的车牌识别无需进行字符分割 | |||||
| + 识别率高 EasyPR数据集上0-error达到 95.2%, 1-error识别率达到 97.4% | |||||
| + 轻量 总代码量不超1k行 | |||||
| ### 注意事项: | ### 注意事项: | ||||
| + Win工程中若需要使用静态库，需单独编译。 | |||||
| + 本项目的C++实现和Python实现无任何关联，都为单独实现。 | |||||
| + 在编译C++工程的时候必须要使用OpenCV 3.3(DNN 库)，否则无法编译。 | |||||
| + Win工程中若需要使用静态库，需单独编译 | |||||
| + 本项目的C++实现和Python实现无任何关联，都为单独实现 | |||||
| + 在编译C++工程的时候必须要使用OpenCV 3.3(DNN 库)，否则无法编译 | |||||
| ### Python 依赖 | ### Python 依赖 | ||||