使用UCF101完成的视频动作分类识别，使用CRNN模型完成，迭代次数为120，花了很多时间和钱（），不过因为模型参数pth太大了，CSDN放不下，需要再私聊吧

智能驾驶 车牌检测和识别（三）《CRNN和LPRNet实现车牌识别（含车牌识别数据集和训练代码）》：https://blog.csdn.net/guyuealian/article/details/128704209 更多项目《智能驾驶 车牌检测和识别》系列文章请参考： （1）智能驾驶 车牌检测和识别（一）《CCPD车牌数据集》：https://blog.csdn.net/guyuealian/article/details/128704181 （2）智能驾驶 车牌检测和识别（二）《YOLOv5实现车牌检测（含车牌检测数据集和训练代码）》：https://blog.csdn.net/guyuealian/article/details/128704068 （3）智能驾驶 车牌检测和识别（三）《CRNN和LPRNet实现车牌识别（含车牌识别数据集和训练代码）》：https://blog.csdn.net/guyuealian/article/details/128704209 （4）智能驾驶 车牌检测和识别（四）《Android实现车牌检测和识别（可实时车牌识别）》：https://b

CTPN（tensorflow）+CRNN（pytorch）+CTC-附件资源

训练 1.处理train 数据集 python3 ./utils/make_data.py 2.训练网络 python3 train.py 测试 1.加载模型，将训练好的模型放入./model/中 2.向test_img_list中添加需要测试的图片列表 test_img_list = ['/home/tony/ocr/test_data/00023.jpg'] 3.运行模型 python3 test_crnn.py

更多问题参考 HOW TO USE setup 环境配置 Ubuntu18.04 + CUDA 8.0.61 + GeForce GTX 960M + NVIDIA Driver 430.14 + Python3.6 + Tensorflow-gpu git clone https://github.com/bay1/card-crnn-ctpn.git python3 -m virtualenv venv source venv/bin/activate # 激活虚拟环境 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple some-package # 安装项目依赖，指定清华源 配置warpctc-pytorch 项目中用到了，需要我们手动安装 注意这里的命令需要在Python虚拟环境中执

OcrLiteAndroidNcnn Project下载 有整合好源码和依赖库的完整工程项目，文件比较大，可到Q群共享内下载，找以Project开头的压缩包文件 如果想自己折腾，则请继续阅读本说明 Demo APK下载 编译好的demo文件可以到Q群共享内下载 或者 介绍 Chineseocr Lite Android Ncnn Demo，超轻量级中文OCR Android Demo，支持ncnn推理 (DBNet+AngleNet+CRNN) 把onnx模型格式转为ncnn格式，并使用ncnn推理框架进行OCR识别。 代码和模型均源自chineseocr lite的onnx分支 详情请查看 采用ncnn神经网络前向计算框架 说明 封装为独立的Library。 Native层以C++编写。 demo app以Kotlin-JVM编写。 Android版与其它版本不同，包含了几个应用场景，

基于yolov7+crnn的车牌检测和中文车牌识别项目源码+数据集+项目说明.zip 国内中文车牌都可识别 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

包含训练结果、实验文档、PPT，稍微修改即可使用，方便省心~（内附讲解视频）。本次实验主要是依据yolov5目标检测和crnn文字识别在车牌识别方面的运用。首先通过yolo算法定位车牌，再通过crnn模型进行车牌文字和颜色的识别，拿来即用十分方便高效。

keras-ocr 模型文件 craft_mlt_25k.h5 crnn_kurapan.h5

超轻量级中文ocr，支持竖排文字识别, 支持ncnn推理 , psenet(8.5M) + crnn(6.3M) + anglenet(1.5M) 总模型仅17M