yolov3_tiny tensorflow1.x实现，由于框架小，也可用CPU来跑，GPU也可以跑，GPU对应版本：1.x系列都可以+完整教程：车牌识别（PDF版本）+车牌数据集（标签为.xml文件），标签纯手工打造，共202张图片，跑出来测试集map95%。

License-plate-recognition 使用 "Darknet yolov3-tiny" 训练检测模型 1. 下载,提取码: j7c2. 2. 将data.zip解压到darknet.exe所在目录下. 3. 进入data/voc目录下运行voc_label.bat重新生成2019_train.txt, 2019_val.txt. 4. 修改cfg/yolov3-tiny.cfg [net] batch=64 subdivisions=4 // 这里根据自己内存大小修改(我11G显存设置2时,中途会out of memory. 所以设置4, 训练时显存占用约6G) angle=5 // 增加旋转角度产生样本 max_batches = 220000 //最大迭代次数 steps=70000,200000 //调整学习率变化

自己收集的新能源车牌照片（绿牌），200张不到（来源于网络）

- 基于opencv模板匹配的车牌识别，有简单的GUI，软件环境是python3.8,opencv4.2。用pycharm写的。 由于是识别字符采用的是模板匹配，模板比较多，所以运行时间比较长，识别一张车牌大概20s，并且准确度不高，有可能出现无法得出结果或者识别的结果错误，因为识别车牌对输入的图片的分辨率和色偏有关系。总之，这是一个比较粗糙简单的车牌识别项目，我做这个是为了应付课程设计。 识别的结果是车牌号码和牌照颜色。 算法主要步骤是：定位车牌，矫正车牌，识别颜色，分割字符，识别字符。 算法和GUI都有借鉴别人的博客 refer1是模板，function.py是算法,gui.py是界面 refer1请先解压

License_plate_recognition 车牌识别项目 测试平台 Python 3.6 PyQt5：5.11.3 opencv-python：3.4.3 Python 3.7 PyQt5：5.11.3 opencv-python：4.2.0

前言 继上一篇的《百度PaddlePaddle >>> 7. 利用深度学习玩转手势识别》 这次来试试用卷积神经网络进行车牌识别，这是所要用到的数据集：车牌识别字符数据集.zip 一、准备数据 1. 解压数据 首先我们需要先解压上述数据集的压缩包，并将其中无关文件删除（将目录换成你的即可）： unzip -q /home/aistudio/data/data23617/characterData.zip 2. 生成数据列表 从解压的数据生成两个数据列表：train_data.list 和test_data.list #导入需要的包 import numpy as np import padd

Beone车牌识别设备安装于指挥中心大门口，记录车辆的牌照号码、出入时间，并与自动门、栏杆机的控制设备结合，实现车辆的自动管理。可以自动计算可用车位数量并给出提示，实现自动管理节省人力、提高效率。 系统可以自动判别驶入车辆是否属于学校学生，达到不停车、免取卡，有效提高车辆出入通行效率。同时通过后台可以查看车辆进出记录，在方便车辆管理的同时，还能进一步提升指挥学校的安防水平。

基于labview的车牌识别

高性能中文车牌识别框架 ###支持python3,C++等，操作系统支持Windows Mac Linux 树莓派,android,ios等。包含使用各种demo用法代码。

本人通过谷歌翻译并独自校对的车牌识别外文翻译，仅供参考。 免费的，请多多支持