基於pytorch的無需分割字符的車牌識別

傳統車牌識別

傳統的車牌識別需要先檢測出車牌，檢測出車牌後通過“像素映射”或者“聯通區查找”的方法分割出單個的文字，然後單獨識別每個文字。傳統的車牌識別不僅繁瑣，而且切割文字的效果也很難令人滿意。因此，能不能繞開字符分割的問題，直接識別車牌中的字符呢？當然可以的。有兩種方法：

1. crnn+ctc
2. 卷積only

crnn+ctc是自然場景下ocr比較通用的方法，用來識別車牌當然可以的，但是難免有點殺雞用牛刀了。因爲車牌本身是比較特殊的，車牌號碼的數量也是基本固定的。

有了這個設想，今天做了簡單的嘗試，效果很好，因此開源出來和大家交流。源碼已上傳至github： 

車牌識別, 如果對你有幫助，給個star鼓勵下，謝謝！

以下是該項目的簡單介紹。

數據集

這個項目中，使用了自動生成訓練和識別的車牌，因此，你需要尋找車牌數據集，不需要做任何數據處理，就能輕鬆愉快的完成車牌識別的訓練與預測。

隨機生成的車牌示例：

一般的車牌檢測模型應該都能檢測到這個水準，因此這個這牌是比較接近真實情況下的車牌的。

模型

使用

第一步：生成訓練和測試數據集  

    cd generateCarPlate
    python3 genCarPlate.py

第二步：訓練

    cd pytorch_model
    python3 train.py 30 0.0001

30是在訓練集訓練的次數，）0.0001是學習速率  
第三步：測試

    python3 test.py

將會輸出準確率，我訓練的car_plate_javer.pt模型能達到98.2的準確率（由於訓練和測試數據集都是隨機生成的，因此可能不同人測試有差異）。
這個準確率不算高，由於我的筆記本算力有限，沒能進一步訓練更大、更好的模型，不過我想，這個項目已足以證明不分割直接識別車牌的可行性