|
@@ -8,19 +8,17 @@ HyperLPR是一个使用深度学习针对对中文车牌识别的实现,与较 |
|
|
|
|
|
|
|
|
### 更新 |
|
|
### 更新 |
|
|
|
|
|
|
|
|
+ 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 |
|
|
|
|
|
|
|
|
+ 添加端到端的序列识别模型识别率大幅度提升,使得无需分割字符即可识别,识别速度提高20% (2017.11.17) |
|
|
|
|
|
+ 新增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、武警车牌 (2017.11.17) |
|
|
+ 更新Windows版本的Visual Studio 2015 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) |
|
|
|
|
|
+ 添加了简单的Android实现 (骁龙835 (*720*x*1280*) 200ms) |
|
|
|
|
|
|
|
|
+ 增加cpp版本,目前仅支持标准蓝牌(需要依赖OpenCV 3.3) (2017.10.28) |
|
|
|
|
|
+ 添加了简单的Android实现 (骁龙835 (*720*x*1280*) 200ms )(2017.10.28) |
|
|
|
|
|
|
|
|
### 特性 |
|
|
### 特性 |
|
|
|
|
|
|
|
|
+ 速度快 720p ,单核 Intel 2.2G CPU (macbook Pro 2015)平均识别时间低于100ms |
|
|
+ 速度快 720p ,单核 Intel 2.2G CPU (macbook Pro 2015)平均识别时间低于100ms |
|
|
+ 基于端到端的车牌识别无需进行字符分割 |
|
|
+ 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% |
|
|
|
|
|
|
|
|
+ 识别率高,仅仅针对车牌ROI在EasyPR数据集上,0-error达到 95.2%, 1-error识别率达到 97.4% (指在定位成功后的车牌识别率) |
|
|
+ 轻量 总代码量不超1k行 |
|
|
+ 轻量 总代码量不超1k行 |
|
|
|
|
|
|
|
|
### 注意事项: |
|
|
### 注意事项: |
|
@@ -88,12 +86,13 @@ sudo make -j |
|
|
- [x] 白色警用车牌 |
|
|
- [x] 白色警用车牌 |
|
|
- [x] 使馆/港澳车牌 |
|
|
- [x] 使馆/港澳车牌 |
|
|
- [x] 教练车牌 |
|
|
- [x] 教练车牌 |
|
|
|
|
|
- [x] 武警车牌 |
|
|
|
|
|
- [ ] 民航车牌 |
|
|
- [ ] 双层黄牌 |
|
|
- [ ] 双层黄牌 |
|
|
- [ ] 双层武警 |
|
|
- [ ] 双层武警 |
|
|
- [ ] 双层军牌 |
|
|
- [ ] 双层军牌 |
|
|
- [ ] 农用车牌 |
|
|
|
|
|
- [ ] 民航车牌 |
|
|
|
|
|
- [ ] 个性化车牌 |
|
|
|
|
|
|
|
|
- [ ] 双层农用车牌 |
|
|
|
|
|
- [ ] 双层个性化车牌 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|