基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LPRNet实现车牌检测
基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LPRNet实现车牌检测
基于win10系统，实用anaconda配置python环境，在anaconda里面下载vscode对项目进行编辑，基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LPRNet实现车牌检测
基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LPRNet实现车牌检测
基于win10系统，实用anaconda配置python环境，在anaconda里面下载vscode对项目进行编辑
2022-05-26 12:05:54
11.44MB
实地采集的车牌图片数据整理
包括各类场景总计1200左右张图像数据
如停车场，卡口，天桥等位置
可进行车牌定位检测，车牌字符分割，车牌字符识别等相关研究
2022-05-17 13:04:41
191.14MB
1
车牌定位
对汽车牌照的定位，对二值图像进行区域提取。图像经过预处理之后，进行二值变换，突出车牌的具体位置，用Matlab函数计算经二值化处理后的车牌二值子图。
对提取的车牌图像再次预处理，例如二值化、反色、锐化、去除离散噪声、倾斜调整等。突出有用信息，以便于字符分割。
2022-05-16 23:04:25
111KB
1
介绍了车牌图像的预处理方法，包括图像的灰度化处理，中值滤波，基于直方图均衡化的光影处理，图像增强处理以及图像锐化等多个方面。最后介绍了基于颜色模型的车牌定位算法，并结合图像校正计算获得了标准的车牌区域。通过一种改进的基于形态学轮廓特征和垂直映射的字符切割算法对提取的车牌图像进行字符分割，然后对分割后单个字符提取HOG特征，最后通过GRNN神经网络根据字符的HOG特征进行车牌识别。MATLAB仿真结果表明，本文所研究的车牌识别方法具有较高的识别正确率，其正确率可以达到90%以上。
2022-05-14 09:08:14
627.6MB
车牌定位数据库-output0原图.rar
包含11585张可用于车牌定位的卡口数据库，主要为蓝底白字
数据库为之前研究生主研方向时，向文章作者申请得到，现公布出来，共享研究
............................................................................................................................................
.........................................................................................................................................
2022-05-08 09:04:37
381.44MB
1