【HyperLRP中文车牌识别框架v1.0】基于端到端的车牌识别无需进行字符分割+识别率高 暂无演示

【HyperLRP中文车牌识别框架v1.0】基于端到端的车牌识别无需进行字符分割+识别率高

售价:
¥30 ITB 已售7次
  • 普通用户购买价格 : 30ITB
  • 钻石会员购买价格 :12ITB
  • 终身钻石购买价格 : 免费
QQ咨询
  • 免费售前咨询
  • 免费安装指导
  • 付费安装资源
  • 付费终身升级
  • QQ保障售后服务
  • 网站应急咨询顾问

升级尊贵会员
享受全站VIP待遇

8+
会员已经加入

特别声明:原创产品提供以上服务,破解产品仅供参考学习,不提供售后服务(均已杀毒检测),本站资源均来源于互联网,如有侵权请联系站长!将第一时间删除 如有需求,建议购买正版!如果源码侵犯了您的利益请留言告知!如何获得 ITB

  • 文章介绍
  • 评价建议
  • 源码简介与安装说明:
    HyperLRP是一个开源的、基于深度学习高性能中文车牌识别库,由北京智云视图科技有限公司开发,支持PHP、C/C++、Python语言,Windows/Mac/Linux/Android/IOS 平台。

    特性:
    速度快 720p,单核 Intel 2.2G CPU (MaBook 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
    识别率高,卡口场景准确率在95%-97%左右
    轻量,总代码量不超1k行

    Python 依赖:
    Keras (>2.0.0)
    Theano(>0.9) or Tensorflow(>1.1.x)
    Numpy (>1.10)
    Scipy (0.19.1)
    OpenCV(>3.0)
    Scikit-image (0.13.0)
    PIL

    CPP 依赖:
    Opencv 3.4 以上版本

    模型资源说明:
    cascade.xml 检测模型 – 目前效果最好的cascade检测模型
    cascade_lbp.xml 召回率效果较好,但其错检太多
    char_chi_sim.h5 Keras模型-可识别34类数字和大写英文字 使用14W样本训练
    char_rec.h5 Keras模型-可识别34类数字和大写英文字 使用7W样本训练
    ocr_plate_all_w_rnn_2.h5 基于CNN的序列模型
    ocr_plate_all_gru.h5 基于GRU的序列模型从OCR模型修改,效果目前最好但速度较慢,需要20ms。
    plate_type.h5 用于车牌颜色判断的模型
    model12.h5 左右边界回归模型

    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以上版本 (DNN 库),否则无法编译
    安卓工程编译ndk尽量采用14b版本
    IT源码测试截图:

    【HyperLRP中文车牌识别框架 v1.0】基于端到端的车牌识别无需进行字符分割+识别率高
    声明: 您好,IT源码站所有资源(包括但不局限于:源码、工具、素材、字体、模板等)均为个人投稿及网络收集而来,并未取得原始权利人授权,故禁止一切商用行为,仅可用于个人研究,学习使用。请务必在下载后24小时内删除,一切因下载人使用所引起的法律相关责任,包括但不局限于:侵权,索赔,法律责任,刑事责任等相关责任,全部由下载人/使用人,全部承担。以上说明,一经发布视为您已全部阅读、理解、同意以上内容,如对以上内容持有异议,请勿下载,谢谢配合!支持正版,人人有责,如不慎对您的合法权益构成侵犯,请联系我们对相应内容予以删除。
    网站源码_网站模板_游戏源码_商业源码 » 【HyperLRP中文车牌识别框架v1.0】基于端到端的车牌识别无需进行字符分割+识别率高

    提供最优质的资源集合

    立即查看 了解详情