|
|
|
@ -10,7 +10,7 @@ HyperLPR是一个使用深度学习针对对中文车牌识别的实现，与较
|
|
|
|
|
|
|
|
|
|
|
|
+ 添加端到端的序列识别模型识别率大幅度提升
|
|
|
|
+ 添加端到端的序列识别模型识别率大幅度提升
|
|
|
|
+ 添加的端到端模型可以识别 新能源车牌，教练车牌，白色警用车牌
|
|
|
|
+ 添加的端到端模型可以识别 新能源车牌，教练车牌，白色警用车牌
|
|
|
|
+ 更新Windows版本的Visual Studio 2015 工程。（2017.11.15）
|
|
|
|
+ 更新Windows版本的Visual Studio 2015 工程（2017.11.15）
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
+ 增加cpp版本,目前仅支持标准蓝牌(需要依赖OpenCV 3.3)
|
|
|
|
+ 增加cpp版本,目前仅支持标准蓝牌(需要依赖OpenCV 3.3)
|
|
|
|
@ -18,7 +18,7 @@ HyperLPR是一个使用深度学习针对对中文车牌识别的实现，与较
|
|
|
|
|
|
|
|
|
|
|
|
### 特性
|
|
|
|
### 特性
|
|
|
|
|
|
|
|
|
|
|
|
+ 速度快 720p ，单核 Intel 2.2G CPU (macbook Pro 2015)识别时间 <=140ms
|
|
|
|
+ 速度快 720p ，单核 Intel 2.2G CPU (macbook Pro 2015)平均识别时间低于100ms
|
|
|
|
+ 基于端到端的车牌识别无需进行字符分割
|
|
|
|
+ 基于端到端的车牌识别无需进行字符分割
|
|
|
|
+ 识别率高 EasyPR数据集上0-error达到 95.2%, 1-error识别率达到 97.4%
|
|
|
|
+ 识别率高 EasyPR数据集上0-error达到 95.2%, 1-error识别率达到 97.4%
|
|
|
|
+ 轻量 总代码量不超1k行
|
|
|
|
+ 轻量 总代码量不超1k行
|
|
|
|
|
syan
8 years ago
committed by