Loading [MathJax]/jax/input/TeX/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >0690-TensorFlow之车牌识别案例

0690-TensorFlow之车牌识别案例

作者头像
Fayson
发布于 2019-08-23 15:29:13
发布于 2019-08-23 15:29:13
1.8K00
代码可运行
举报
文章被收录于专栏:Hadoop实操Hadoop实操
运行总次数:0
代码可运行

演示tensorflow图像识别案例。

参考文档:https://blog.csdn.net/shadown1ght/article/details/78571187

作者:李继武

安装python3.5环境

如果环境中已有Python3可跳过;

1. 下载Python3安装包

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
wget https://www.python.org/ftp/python/3.5.0/Python-3.5.0.tar.xz

2. 解压,编译及安装

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
tar xvf  Python-3.5.0.tar.xz
./configure
make && make install

3. 验证安装

安装tensorflow模块

1. 升级pip模块

下载pip-18.1安装包

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
wget https://files.pythonhosted.org/packages/c2/d7/90f34cb0d83a6c5631cf71dfe64cc1054598c843a92b400e55675cc2ac37/pip-18.1-py2.py3-none-any.whl

安装

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
pip3 install pip-18.1-py2.py3-none-any.whl

2. 安装tensorflow

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
pip3 install tensorflow

3. 验证安装

导入数据

1. 创建工作目录

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
mkdir -p /data/tf_demo

2. 将数据集上传到该目录下

3. 编写代码

省份简称训练+识别代码(保存文件名为train-license-province.py):

城市代号训练+识别代码(保存文件名为train-license-letters.py):

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
车牌编号训练+识别代码(保存文件名为train-license-digits.py):
代码语言:javascript
代码运行次数:0
运行
复制
代码语言:javascript
代码运行次数:0
运行
复制

4. 训练

保存好上面三个python脚本后,我们首先进行省份简称训练。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
python3 train-license-province.py train

然后进行省份简称识别,在命令行输入执行如下命令:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
python3 train-license-province.py predict

执行城市代号训练(相当于训练26个字母):

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
python3 train-license-letters.py train

识别城市代号:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
python3 train-license-letters.py predict

执行车牌编号训练(相当于训练24个字母+10个数字,我国交通法规规定车牌编号中不包含字母I和O):

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
python3 train-license-digits.py train

识别车牌编号:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
python3 train-license-digits.py predict

与下方的测试图片对比,识别成功:

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-08-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Hadoop实操 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
0691-1.4.0-GPU环境下CDSW运行TensorFlow案例
介绍如何在CDSW中安装集成CUDA9.2版本的tensorflow模块,以及在GPU环境下运行tensorflow案例。代码参考上一篇文章《0690-TensorFlow之车牌识别案例》,CDSW的GPU的支持与CUDA编译参考之前的文章《如何在CDSW中使用GPU运行深度学习》和《0490-如何为GPU环境编译CUDA9.2的TensorFlow1.8与1.12》。
Fayson
2019/08/28
1.3K0
免费的OCR识别工具就是香!
经常在网上查询文档资料的朋友一定有过这样的经历:好不容易找到了需要的内容,可是别说下载了,连复制一句话都不给复制的。尤其是 PDF 文档和图片类资料,就算我们充值下载到本地,很多也无法复制文本,只能手动敲出来。
永恒君
2022/12/06
6.3K0
免费的OCR识别工具就是香!
Python验证码识别 | 源码+通用模型
项目地址:https://github.com/kerlomz/captcha_trainer
用户4738238
2020/06/02
6.1K0
Python验证码识别 | 源码+通用模型
车牌检测和识别的Python应用软件实现
车牌的检测和识别的应用非常广泛,比如交通违章车牌追踪,小区或地下车库门禁。在对车牌识别和检测的过程中,因为车牌往往是规整的矩形,长宽比相对固定,色调纹理相对固定,常用的方法有:基于形状、基于色调、基于纹理、基于文字特征等方法,近年来随着深度学习的发展也会使用目标检测的一些深度学习方法。该项目主要的流程如下图所示:
用户1564362
2019/09/12
2.6K0
车牌检测和识别的Python应用软件实现
Tensorflow可视化编程安装Tensoflow1.0将加法运算以图形化方式展示实现简单的线性回归为程序添加作用域模型的保存与恢复(保存会话资源)
安装Tensoflow1.0 Linux/ubuntu: python2.7: pip install https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.0.1-cp27-none-linux_x86_64.whl python3.5: pip3 install https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.0.1-cp35-cp35m-linu
zhaoolee
2018/04/19
1.8K0
Tensorflow可视化编程安装Tensoflow1.0将加法运算以图形化方式展示实现简单的线性回归为程序添加作用域模型的保存与恢复(保存会话资源)
【深度学习】用PaddlePaddle进行车牌识别(二)
  上节我们讲了第一部分,如何用生成简易的车牌,这节课中我们会用PaddlePaddle来识别生成的车牌。 ---- 数据读取   在上一节生成车牌时,我们可以分别生成训练数据和测试数据,方法如下(完整代码在这里): 1 # 将生成的车牌图片写入文件夹,对应的label写入label.txt 2 def genBatch(self, batchSize,pos,charRange, outputPath,size): 3 if (not os.path.exists(outputPath))
Charlotte77
2018/04/04
1.5K0
车牌号识别 python + opencv「建议收藏」
大家好,我是架构君,一个会写代码吟诗的架构师。今天说一说车牌号识别 python + opencv「建议收藏」,希望能够帮助大家进步!!!
Java架构师必看
2022/08/14
1.3K0
车牌号识别 python + opencv「建议收藏」
Centos7下成功安裝python3和scrapy爬虫
1、安装python3(保留python2) (1)源码编译前准备 [root@hadron ~]# yum -y groupinstall "Development tools" [root@hadron ~]# yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gdbm-devel db4-devel libpcap-devel xz-devel 如
程裕强
2022/05/06
2680
TensorFlow 入门指南
但在开始之前,先来看看一个最简单的使用 TensorFlow Python API 的示例代码,这样你就会对我们接下来要做的事情有所了解。
竹清
2018/08/31
1.4K0
TensorFlow 入门指南
TensorFlow下载与安装
TensorFlow简介 TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,其命名来源于本身的运行原理。Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。 TensorFlow可被用于语音识别或图像识别等多项机器深度学习领域,对2011年开发的深度学习基础架构DistBelief进行了各方面的改进,它可在
xiangzhihong
2018/02/08
2K0
TensorFlow下载与安装
TensorFlow的安装
在本篇文章中,我们将会介绍TensorFlow的安装,TensorFlow是Google公司在2015年11月9日开源的一个深度学习框架。
夜雨飘零
2020/05/06
1.8K0
基于OpenCV 的车牌识别
车牌识别是一种图像处理技术,用于识别不同车辆。这项技术被广泛用于各种安全检测中。现在让我一起基于OpenCV编写Python代码来完成这一任务。
小白学视觉
2020/09/04
7.9K0
车牌检测和识别的Python应用软件实现
车牌的检测和识别的应用非常广泛,比如交通违章车牌追踪,小区或地下车库门禁。在对车牌识别和检测的过程中,因为车牌往往是规整的矩形,长宽比相对固定,色调纹理相对固定,常用的方法有:基于形状、基于色调、基于纹理、基于文字特征等方法,近年来随着深度学习的发展也会使用目标检测的一些深度学习方法。该项目主要的流程如下图所示:
小小科
2020/07/23
1.9K0
TensorFlow从1到2(五)图片内容识别和自然语言语义识别
上一节我们讲过了完整的保存模型及其训练完成的参数。 Keras中使用这种方式,预置了多个著名的成熟神经网络模型。当然,这实际是Keras的功劳,并不适合算在TensorFlow 2.0头上。 当前TensorFlow 2.0-alpha版本捆绑的Keras中包含:
俺踏月色而来
2019/04/25
2.3K0
TensorFlow从1到2(五)图片内容识别和自然语言语义识别
TensorFlow环境搭建
前几天,我们刚下发了毕业设计的题目,我选的题目为基于TensorFlow的深度学习与研究,这将会是一个系列文章,截止2020-07我会将所有相关内容用更加通俗易懂的方式发布在公众平台上,我们一块学习,让我们嗨起来~。
石璞东
2020/04/21
1.6K0
TensorFlow环境搭建
TensorFlow实战:验证码识别
项目地址:https://github.com/kerlomz/captcha_trainer
Coriander
2019/02/03
3.7K0
TensorFlow实战:验证码识别
Centos6 安装python3 pip3 ipython3
因为是Centos6,前面安装3.7.x系列在SSL这块有些问题,考虑使用3.6.x系列看看。
Devops海洋的渔夫
2019/06/26
4K0
Centos6 安装python3 pip3 ipython3
PPASR语音识别(进阶级)
本项目将分三个阶段分支,分别是入门级 、进阶级 和最终级 分支,当前为进阶级,随着级别的提升,识别准确率也随之提升,也更适合实际项目使用,敬请关注!
夜雨飘零
2021/12/07
1.2K0
PPASR语音识别(进阶级)
如何在Ubuntu 16.04上安装和使用TensorFlow
TensorFlow是一款由Google构建的用于训练神经网络的开源机器学习软件。TensorFlow的神经网络以有状态数据流图的形式表示。图中的每个节点表示神经网络在多维阵列上执行的操作。这些多维数组通常称为“张量”,因此称为TensorFlow。
谢鸢
2018/07/20
1.3K0
如何部署 TensorFlow 服务器
TensorFlow是一款由Google构建的用于训练神经网络的开源机器学习软件。TensorFlow的神经网络以有状态数据流图的形式表示。图中的每个节点表示神经网络在多维阵列上执行的操作。这些多维数组通常称为“张量”,因此称为TensorFlow。TensorFlow架构允许在台式机,服务器或移动设备中的多个CPU或GPU上进行部署。还有与Nvidia的并行计算平台CUDA集成的扩展。这使得在GPU上部署的用户可以直接访问并行计算任务所需的虚拟指令集和GPU的其他元素。
大数据弄潮儿
2018/11/23
3.4K0
如何部署 TensorFlow 服务器
相关推荐
0691-1.4.0-GPU环境下CDSW运行TensorFlow案例
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档