文件中包含使用kears实现的字符识别,其中字符图片有从0-9,A-Z,以及各个地区的汉字字符在ann文件下面,模型对各个字符的识别的准确率达到98%以上
代码片段和文件信息
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 665 2014-08-23 14:44 datasetcarplateann 101-1.jpg
文件 674 2014-08-23 14:44 datasetcarplateann 105-5.jpg
文件 641 2014-08-23 14:44 datasetcarplateann 106-5.jpg
文件 642 2014-08-23 14:44 datasetcarplateann 110-6.jpg
文件 646 2014-08-23 14:44 datasetcarplateann 110-7.jpg
文件 712 2014-08-23 14:44 datasetcarplateann 111-4.jpg
文件 639 2014-08-23 14:44 datasetcarplateann 113-1.jpg
文件 669 2014-08-23 14:44 datasetcarplateann 114-2.jpg
文件 666 2014-08-23 14:44 datasetcarplateann 12-1.jpg
文件 683 2014-08-23 14:44 datasetcarplateann 124-3.jpg
文件 674 2014-08-23 14:44 datasetcarplateann 126-3.jpg
文件 674 2014-08-23 14:44 datasetcarplateann 127-2.jpg
文件 657 2014-08-23 14:44 datasetcarplateann 129-3.jpg
文件 716 2014-08-23 14:44 datasetcarplateann 131-5.jpg
文件 716 2014-08-23 14:44 datasetcarplateann 132-5.jpg
文件 657 2014-08-23 14:44 datasetcarplateann 134-3.jpg
文件 673 2014-08-23 14:44 datasetcarplateann 135-3.jpg
文件 629 2014-08-23 14:44 datasetcarplateann 139-5.jpg
文件 671 2014-08-23 14:44 datasetcarplateann 139-6.jpg
文件 659 2014-08-23 14:44 datasetcarplateann 140-3.jpg
文件 683 2014-08-23 14:44 datasetcarplateann 146-4.jpg
文件 673 2014-08-23 14:44 datasetcarplateann 15-3.jpg
文件 728 2014-08-23 14:44 datasetcarplateann 15-5.jpg
文件 644 2014-08-23 14:44 datasetcarplateann 156-3.jpg
文件 697 2014-08-23 14:44 datasetcarplateann 157-0.jpg
文件 701 2014-08-23 14:44 datasetcarplateann 162-0.jpg
文件 656 2014-08-23 14:44 datasetcarplateann 169-3.jpg
文件 657 2014-08-23 14:44 datasetcarplateann 17-3.jpg
文件 651 2014-08-23 14:44 datasetcarplateann 174-2.jpg
文件 668 2014-08-23 14:44 datasetcarplateann 177-1.jpg
............此处省略16193个文件信息
#!/usr/bin/env python
# coding: utf-8
import skimage.io
import skimage.color
import skimage.transform
import numpy as np
import os
import random
import keras
from keras.models import Sequential
from keras.layers import Dense Dropout Flatten
from keras.layers import Conv2D MaxPooling2D
from keras import backend as K
DATASET_DIR = ‘../dataset/carplate‘
classes = os.listdir(DATASET_DIR + “/ann/“)
data = []
for cls in classes:
files = os.listdir(DATASET_DIR + “/ann/“+cls)
for f in files:
img = skimage.io.imread(DATASET_DIR + “/ann/“+cls+“/“+f)
img = skimage.color.rgb2gray(img)
data.append({
‘x‘: img
‘y‘: cls
})
random.shuffle(data)
X = [d[‘x‘] for d in data]
y = [d[‘y‘] for d in data]
ys = list(np.unique(y))
y = [ys.index(v) for v in y]
x_train = np.array(X[:int(len(X)*0.8)])
y_train = np.array(y[:int(len(X)*0.8)])
x_test = np.array(X[int(len(X)*0.8):])
y_test = np.array(y[int(len(X)*0.8):])
batch_size = 128
num_classes = len(classes)
epochs = 30
# input image dimensions
img_rows img_cols = 20 20
def extend_channel(data):
if K.image_data_format() == ‘channels_first‘:
data = data.reshape(data.shape[0] 1 img_rows img_cols)
else:
data = data.reshape(data.shape[0] img_rows img_cols 1)
return data
x_train = extend_channel(x_train)
x_test = extend_channel(x_test)
input_shape = x_train.shape[1:]
x_train = x_train.astype(‘float32‘)
x_test = x_test.astype(‘float32‘)
x_train /= 255
x_test /= 255
print(‘x_train shape:‘ x_train.shape)
print(x_train.shape[0] ‘train samples‘)
print(x_test.shape[0] ‘test samples‘)
y_train2 = keras.utils.to_categorical(y_train num_classes)
y_test2 = keras.utils.to_categorical(y_test num_classes)
model = Sequential()
model.add(Conv2D(32 kernel_size=(3 3)
activation=‘relu‘
input_shape=input_shape))
model.add(Conv2D(64 (3 3) activation=‘relu‘))
model.add(MaxPooling2D(pool_size=(2 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128 activation=‘relu‘))
model.add(Dropout(0.5))
model.add(Dense(num_classes activation=‘softmax‘))
model.compile(loss=keras.losses.categorical_crossentropy
optimizer=keras.optimizers.Adadelta()
metrics=[‘accuracy‘])
model.fit(x_train y_train2
batch_size=batch_size
epochs=epochs
verbose=1
validation_data=(x_test y_test2))
score = model.evaluate(x_test y_test2 verbose=0)
print(‘Test loss:‘ score[0])
print(‘Test accuracy:‘ score[1])
model.save_weights(‘char_cnn.h5‘)
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 665 2014-08-23 14:44 datasetcarplateann 101-1.jpg
文件 674 2014-08-23 14:44 datasetcarplateann 105-5.jpg
文件 641 2014-08-23 14:44 datasetcarplateann 106-5.jpg
文件 642 2014-08-23 14:44 datasetcarplateann 110-6.jpg
文件 646 2014-08-23 14:44 datasetcarplateann 110-7.jpg
文件 712 2014-08-23 14:44 datasetcarplateann 111-4.jpg
文件 639 2014-08-23 14:44 datasetcarplateann 113-1.jpg
文件 669 2014-08-23 14:44 datasetcarplateann 114-2.jpg
文件 666 2014-08-23 14:44 datasetcarplateann 12-1.jpg
文件 683 2014-08-23 14:44 datasetcarplateann 124-3.jpg
文件 674 2014-08-23 14:44 datasetcarplateann 126-3.jpg
文件 674 2014-08-23 14:44 datasetcarplateann 127-2.jpg
文件 657 2014-08-23 14:44 datasetcarplateann 129-3.jpg
文件 716 2014-08-23 14:44 datasetcarplateann 131-5.jpg
文件 716 2014-08-23 14:44 datasetcarplateann 132-5.jpg
文件 657 2014-08-23 14:44 datasetcarplateann 134-3.jpg
文件 673 2014-08-23 14:44 datasetcarplateann 135-3.jpg
文件 629 2014-08-23 14:44 datasetcarplateann 139-5.jpg
文件 671 2014-08-23 14:44 datasetcarplateann 139-6.jpg
文件 659 2014-08-23 14:44 datasetcarplateann 140-3.jpg
文件 683 2014-08-23 14:44 datasetcarplateann 146-4.jpg
文件 673 2014-08-23 14:44 datasetcarplateann 15-3.jpg
文件 728 2014-08-23 14:44 datasetcarplateann 15-5.jpg
文件 644 2014-08-23 14:44 datasetcarplateann 156-3.jpg
文件 697 2014-08-23 14:44 datasetcarplateann 157-0.jpg
文件 701 2014-08-23 14:44 datasetcarplateann 162-0.jpg
文件 656 2014-08-23 14:44 datasetcarplateann 169-3.jpg
文件 657 2014-08-23 14:44 datasetcarplateann 17-3.jpg
文件 651 2014-08-23 14:44 datasetcarplateann 174-2.jpg
文件 668 2014-08-23 14:44 datasetcarplateann 177-1.jpg
............此处省略16193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)