0
点赞
收藏
分享

微信扫一扫

【XLPNet系列】第一章 序

【XLPNet系列】第一章 序

XLPNet Logo


XLPNet简介

  • 一个诞生于2022年,基于纯卷积神经网络结构的车牌检测与识别系统
  • XLPNet分为车牌检测与车牌字符识别两部分,具备轻量化运行高效的特点
  • 算法上具备一些新颖的设计与思考,并非现有方案的简单集成
  • 基于pytorch构建完整的网络结构与训练体系,支持GPU/多GPU训练
  • 提供完整的opencv调用程序(包括python版本和C++版本),可以完全摆脱深度学习框架的限制,便于在多种不同平台和系统(Windows/Linux/Raspbian)直接或间接部署使用
    识别结果示例1

相关地址链接

即将上传github,敬请期待

前言

不正经的前言

  • 正经人谁还搞CV?
  • 正经搞CV的谁还搞目标检测、字符识别?
  • 正经搞目标检测识别的谁还搞车牌?

实不相瞒,我就是那个断断续续做了三年多车牌检测与识别的不正经CVer。才疏学浅,闲来做这么一个开源的小项目,一为总结过去的所学,二为分享当前的所思所想,难免贻笑大方,自然也权当玩笑了。

正经的前言

  1. 跨入深度学习时代以来,车牌检测与识别(自动车牌识别,ALPR)相关的学术文章、技术文献纵不以万计,也足可称得上“成百上千”,但目标检测、文本检测与识别等领域的发展,仍旧能够给予ALPR技术不竭的更新思路、前进动力;
  2. 自本科毕设开始,车牌检测与识别就是我的一个课题,硕士课题仍然是ALPR相关。期间对于现有的基于深度学习技术的ALPR方案(包括论文、开源项目等)做过了较为详细的整理研究,发现技术上大同小异,基本都是采用通用目标检测技术来定位车牌,采用文本识别技术来识别车牌字符;
  3. 任务本身不是特别有难度,现有方法又有这么多,那还有什么做的必要呢?我的理由有三:
    (1)目前通用检测算法基本都是回归边界框,但结合工程经验来看,边界框定位的形式不如采用角点定位的形式来的精度高;
    (2)目前很多通用检测算法较难在精度和速度间取得一个均衡(当然yolo系列、NanoDet等做的很好),此外也很难脱离pytorch等深度学习框架直接部署使用;
    (3)识别部分现在要想取得高准确率往往采用循环神经网络RNN(LSTM)的方式来处理,不仅速度受限,而且部署也是很麻烦;
  4. 想法必须经过实践检验才有意义,因此我计划做一个开源的车牌检测与识别方案,融入这几年的经验和理念,尽量在理论性上具备一定原创性,同时也兼顾一定的工程需要。

关于LOGO

XLPNet设计理念

XLPNet Logo

  • LOGO整体是黄黑配色,让人联想到道路警示牌的颜色,实际上这个配色也源自我的偶像李小龙先生在电影遗作《死亡游戏》中的服装,给人警醒之感;
  • 字母X一般认为表示未知,表示无限可能,因此选用X作为首字母,X中黄色闪电寓意XLPNet运行快速,橙色寓意道路,呼应XLPNet的使用场景;
  • 综上,黄黑配色寓意警醒、自觉、自知,X寓意无限可能,寓意简单、直接、非传统的设计理念。
举报

相关推荐

第一章 绪论

第一章综述

第一章作业

第一章 起步

第一章.概论

第一章介绍

第一章 引论

docker 第一章

0 条评论