卷积神经网络车牌识别
卷积神经网络车牌识别
代码片段和文件信息
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2018-09-19 13:06 卷积神经网络车牌识别
目录 0 2018-09-19 13:09 卷积神经网络车牌识别车牌识别5-7
文件 55 2018-08-27 11:33 卷积神经网络车牌识别车牌识别5-7【源码使用必读】.url
目录 0 2018-09-19 13:06 卷积神经网络车牌识别车牌识别5-7data
文件 23599 2018-05-03 17:23 卷积神经网络车牌识别车牌识别5-7dataimg_lp.mat
文件 981778 2018-05-02 18:06 卷积神经网络车牌识别车牌识别5-7dataNet.mat
文件 981778 2018-05-02 18:06 卷积神经网络车牌识别车牌识别5-7dataNet_0.mat
文件 1999873 2018-05-02 22:26 卷积神经网络车牌识别车牌识别5-7dataNet_bw.mat
文件 953124 2018-05-02 16:40 卷积神经网络车牌识别车牌识别5-7dataNet0_24.mat
文件 2096574 2018-05-02 23:46 卷积神经网络车牌识别车牌识别5-7dataNet5_2.mat
文件 2122731 2018-05-03 16:03 卷积神经网络车牌识别车牌识别5-7dataNet5_3.mat
文件 2082535 2018-05-03 18:59 卷积神经网络车牌识别车牌识别5-7dataNet5_3_1.mat
文件 16993 2018-05-02 17:33 卷积神经网络车牌识别车牌识别5-7data estData.mat
文件 1781 2018-05-02 21:37 卷积神经网络车牌识别车牌识别5-7data estData_bw.mat
文件 9355 2018-05-03 18:31 卷积神经网络车牌识别车牌识别5-7data estData5_2.mat
文件 9828410 2018-05-02 17:33 卷积神经网络车牌识别车牌识别5-7data rainData.mat
文件 939156 2018-05-02 21:37 卷积神经网络车牌识别车牌识别5-7data rainData_bw.mat
文件 1893513 2018-05-03 18:31 卷积神经网络车牌识别车牌识别5-7data rainData5_2.mat
文件 2473 2018-09-19 13:43 卷积神经网络车牌识别车牌识别5-7dataSet.m
目录 0 2018-09-19 13:06 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0
文件 8563 2016-01-04 20:39 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnnbp.m
文件 10044 2016-01-04 20:48 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnnbp2.m
文件 4646 2015-12-27 18:57 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnnff.m
文件 5190 2016-01-04 20:28 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnnff2.m
文件 2385 2016-01-04 20:46 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnngradmean.m
文件 2384 2016-01-04 20:45 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnngradzero.m
文件 4995 2015-12-27 17:13 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnninit.m
文件 622 2015-12-22 17:14 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnntest.m
文件 817 2015-12-23 19:25 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnntest2.m
文件 2078 2015-12-23 20:55 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnntrain.m
文件 2371 2016-01-04 20:52 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnntrain2.m
............此处省略5925个文件信息
%---------------------------------------------%
% %
% 工作室提供代做matlab仿真 %
% %
% 详情请访问:http://cn.mikecrm.com/5k6v1DP %
% %
%---------------------------------------------%
function [train_xtrain_ytest_xtest_y] =dataSet()
%————————————————————
% 卷积神经网络
%输入:训练集、测试集字符图片、训练集标签
%输出:卷积网络结构、测试标签
%版本:0.0
%时间:4.23
%————————————————————
%% 构造训练集
TrainData=[];
Trainlabel=[];
path=pwd;
for i=0:39
srcDir=‘ f_car_license_dataset rain_images raining-set‘;%获得选择的文件夹
srcDir=strcat(srcDirnum2str(i));
srcDir=strcat(pathsrcDir);
cd(srcDir);
allnames=struct2cell(dir(‘*.bmp‘)); %只处理8位的bmp文件
[~len]=size(allnames); %获得bmp文件的个数
for ii=1:len
%逐次取出文件
name=allnames{1ii};
img_gray=imread(name); %读取文件
% thresh=graythresh(img_gray); %二值化
% img_bw=im2bw(img_gray0.05);
% img_bw=imresize(img_bw[32 32]);
img_gray=imresize(img_gray[32 32]);
img_gray=histeq(img_gray);
traindata(::ii)=img_gray;
%然后在此处添加你的图像处理程序即可
end
TrainData=cat(3TrainDatatraindata);
traindata=[]; %初始化
trainlabel=[];
trainlabel(11:len)=i;
Trainlabel=[Trainlabel trainlabel]; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%5
end
[~n]=size(Trainlabel);
temp=zeros(40n);
for i=1:n
temp(Trainlabel(i)+1i)=1;
end
Trainlabel_1=Trainlabel;
Trainlabel_2=temp;
%--------------------------------------------------------------------------
train_y_1 = Trainlabel_1;
train_y_2=Trainlabel_2;
kk = randperm(size(TrainData3)); % 打乱训练样本顺序
figure;
for I=1:25
i = kk(I);
Y1 = TrainData(::i); % 特别注意: 原图为仅有0255的二值化图像
Y2 = Y1; % 原始数据按C语言行方向存储这里显示需要转置
t = train_y_1(i); % 目标值依次从0-9正交编码
subplot(55I); imshow(uint8(Y2)); title(num2str(t));
end
[~n]=size(kk);
test_y=train_y_2(:kk(1:25));
test_x=TrainData(::kk(1:25));
TrainData(::kk(1:25))=[];
train_y_2(:kk(1:25))=[];
train_x=TrainData;
train_y=train_y_2;
path1=strcat(path‘data‘);
cd(path1)
save trainData5_2 train_x train_y
save testData5_2 test_x test_y
cd(path)
end
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2018-09-19 13:06 卷积神经网络车牌识别
目录 0 2018-09-19 13:09 卷积神经网络车牌识别车牌识别5-7
文件 55 2018-08-27 11:33 卷积神经网络车牌识别车牌识别5-7【源码使用必读】.url
目录 0 2018-09-19 13:06 卷积神经网络车牌识别车牌识别5-7data
文件 23599 2018-05-03 17:23 卷积神经网络车牌识别车牌识别5-7dataimg_lp.mat
文件 981778 2018-05-02 18:06 卷积神经网络车牌识别车牌识别5-7dataNet.mat
文件 981778 2018-05-02 18:06 卷积神经网络车牌识别车牌识别5-7dataNet_0.mat
文件 1999873 2018-05-02 22:26 卷积神经网络车牌识别车牌识别5-7dataNet_bw.mat
文件 953124 2018-05-02 16:40 卷积神经网络车牌识别车牌识别5-7dataNet0_24.mat
文件 2096574 2018-05-02 23:46 卷积神经网络车牌识别车牌识别5-7dataNet5_2.mat
文件 2122731 2018-05-03 16:03 卷积神经网络车牌识别车牌识别5-7dataNet5_3.mat
文件 2082535 2018-05-03 18:59 卷积神经网络车牌识别车牌识别5-7dataNet5_3_1.mat
文件 16993 2018-05-02 17:33 卷积神经网络车牌识别车牌识别5-7data estData.mat
文件 1781 2018-05-02 21:37 卷积神经网络车牌识别车牌识别5-7data estData_bw.mat
文件 9355 2018-05-03 18:31 卷积神经网络车牌识别车牌识别5-7data estData5_2.mat
文件 9828410 2018-05-02 17:33 卷积神经网络车牌识别车牌识别5-7data rainData.mat
文件 939156 2018-05-02 21:37 卷积神经网络车牌识别车牌识别5-7data rainData_bw.mat
文件 1893513 2018-05-03 18:31 卷积神经网络车牌识别车牌识别5-7data rainData5_2.mat
文件 2473 2018-09-19 13:43 卷积神经网络车牌识别车牌识别5-7dataSet.m
目录 0 2018-09-19 13:06 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0
文件 8563 2016-01-04 20:39 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnnbp.m
文件 10044 2016-01-04 20:48 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnnbp2.m
文件 4646 2015-12-27 18:57 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnnff.m
文件 5190 2016-01-04 20:28 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnnff2.m
文件 2385 2016-01-04 20:46 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnngradmean.m
文件 2384 2016-01-04 20:45 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnngradzero.m
文件 4995 2015-12-27 17:13 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnninit.m
文件 622 2015-12-22 17:14 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnntest.m
文件 817 2015-12-23 19:25 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnntest2.m
文件 2078 2015-12-23 20:55 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnntrain.m
文件 2371 2016-01-04 20:52 卷积神经网络车牌识别车牌识别5-7DeepLearnToolbox_CNN_lzbV3.0cnntrain2.m
............此处省略5925个文件信息
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件举报,一经查实,本站将立刻删除。
评论列表(条)