MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)的模型实现一张新车牌照片字符预测

帽子超级 2022-09-19 14:57:31  51283

分类专栏：资讯

导读
利用自定义CNN-OCR算法，来训练车牌数据集(umpy.ndarray格式数据)，然后实现车牌照片字符识别，最后进行一张新车牌照片字符预测。

输出结果

设计思路

核心代码

输出结果

设计思路

本思路

总思路

核心代码


def getnet():        
 
    data = mx.symbol.Variable('data')
    label = mx.symbol.Variable('softmax_label')
 
    conv1 = mx.symbol.Convolution(data=data, kernel=(5,5), num_filter=32)
    pool1 = mx.symbol.Pooling(data=conv1, pool_type="max", kernel=(2,2), stride=(1, 1))
    relu1 = mx.symbol.Activation(data=pool1, act_type="relu")
 
    conv2 = mx.symbol.Convolution(data=relu1, kernel=(5,5), num_filter=32)
    pool2 = mx.symbol.Pooling(data=conv2, pool_type="avg", kernel=(2,2), stride=(1, 1))
    relu2 = mx.symbol.Activation(data=pool2, act_type="relu")
    
    
    flatten = mx.symbol.Flatten(data = relu2) 
    fc1 = mx.symbol.FullyConnected(data = flatten, num_hidden = 120)   
    fc21 = mx.symbol.FullyConnected(data = fc1, num_hidden = 65)
    fc22 = mx.symbol.FullyConnected(data = fc1, num_hidden = 65)
    fc23 = mx.symbol.FullyConnected(data = fc1, num_hidden = 65)
    fc24 = mx.symbol.FullyConnected(data = fc1, num_hidden = 65)
    fc25 = mx.symbol.FullyConnected(data = fc1, num_hidden = 65)
    fc26 = mx.symbol.FullyConnected(data = fc1, num_hidden = 65)
    fc27 = mx.symbol.FullyConnected(data = fc1, num_hidden = 65)
    fc2 = mx.symbol.Concat(*[fc21, fc22, fc23, fc24,fc25,fc26,fc27], dim = 0)   
    
    return mx.symbol.SoftmaxOutput(data = fc2, name = "softmax")
 
 
 
sym = getnet() 
executor = sym.simple_bind(ctx = mx.cpu(), **input_shapes)

网站声明：如果转载，请联系本站管理员。否则一切后果自行承担。

本文链接：https://www.xckfsq.com/news/show.html?id=3131

赞同 0

评论 0 条

MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)的模型实现一张新车牌照片字符预测

输出结果

设计思路

核心代码

相关文章

关注我们