ANPR 是基于深度学习的智能车牌识别，支持14种中文车牌类型。
-
最全车牌识别算法，支持14种中文车牌类型。
-
项目使用纯Java开发，免去使用Python带来的服务不稳定性。
-
欢迎大家贡献代码，如果你觉得项目还不错，请给个star。
项目简介
- 项目使用组件
1、spring boot
2、onnx
- 深度学习模型
1、Chinese_license_plate_detection_recognition
项目文档
-
在线文档：文档-1.0.0
-
swagger文档：启动项目且开启swagger，访问：host:port/doc.html, 如 http://127.0.0.1:8080/doc.html
JAVA客户端
- Java依赖,未发布到中央仓库，需要自行编译发布到私有仓库
<dependency> <groupId>com.visual.open.anpr</groupId> <artifactId>open-anpr-client</artifactId> <version>1.0.0</version> </dependency>
- 其他语言依赖
使用restful接口：文档-1.0.0
项目部署
- docker部署
1、直接docker部署项目： docker run -d --name "open-anpr" -p 56790:8080 divenswu/open-anpr:1.0.0 2、若想禁用swagger： docker run -d --name "open-anpr" -p 56790:8080 -e VISUAL_SWAGGER_ENABLE=false divenswu/open-anpr:1.0.0 3、若想挂载日志目录到本地： docker run -d --name "open-anpr" -p 56790:8080 -v open-anpr/logs:/app/open-anpr/logs divenswu/open-anpr:1.0.0 4、服务访问： swagger接口文档： http://127.0.0.1:56790/doc.html
- 项目编译，并打包为docker镜像
1、java版本最低为：1.8；安装maven编译工具。安装docker。 2、克隆项目 git clone https://gitee.com/open-visual/open-anpr.git 3、项目打包 cd open-anpr && sh scripts/docker_build.sh
- 部署参数
| 参数 | 描述 | 默认值 | 可选值 |
|---|---|---|---|
| VISUAL_SWAGGER_ENABLE | 是否开启swagger | true | true/false |
项目演示
-
1.0.0 测试用例：open-anpr-test测试用例-PlateRecognitionExample
车牌识别（手机打开体验更好）
-
【报告篇幅】：109 【报告图表数】：152 【报告出版时间】：2021年1月 报告摘要 2019年，全球自动车牌识别（ANPR）和检测传感器市场规模达到了xx亿元，预计2026年将达到xx亿元，年复合增长率(CAGR)为xx%。 本报告研究全球与中国市场自动车牌识别（ANPR）和检测传感器的产能、产量、销量、销售额、价格及未来趋势。重点分析全球与中国市场的主要厂商产品特点、产品规格、价格、销
-
问题是，当我在另一个系统(Ubuntu12.04，32位）中设置相同的工作代码时，在配置OpenCV和Tesseract后，它在制作项目时产生了以下错误 错误是
-
Keras 是一个高层神经网络 API，Keras 由纯 Python 编写而成并基 Tensorflow、Theano 以及 CNTK 后端。Keras 为支持快速实验而生，能够把你的idea迅速转换为结果，如果你有如下需求，请选择 Keras： 简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性） 支持 CNN 和 RNN，或二者的结合 无缝 CPU 和 GPU 切换 Kera
-
停止更新通知 Hi all，十分感谢大家对keras-cn的支持，本文档从我读书的时候开始维护，到现在已经快两年了。这个过程中我通过翻译文档，为同学们debug和答疑学到了很多东西，也很开心能帮到一些同学。 从2017年我工作以后，由于工作比较繁忙，更新频率有所下降。到今年早期的时候这种情况更加严重，加之我了解到，keras官方已经出了中文文档，更觉本份文档似乎应该已经基本完成了其历史使命，该到了
-
Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。
-
相关专题 《深度学习》整理 CNN 专题 RNN 专题 优化算法专题 随机梯度下降 动量算法 自适应学习率算法 基于二阶梯度的优化算法 《深度学习》 5.2 容量、过拟合和欠拟合 欠拟合指模型不能在训练集上获得足够低的训练误差； 过拟合指模型的训练误差与测试误差（泛化误差）之间差距过大； 反映在评价指标上，就是模型在训练集上表现良好，但是在测试集和新数据上表现一般（泛化能力差）； 降低过拟合风险的
-
使用慧编程的机器学习功能可以实现人脸识别，当识别到“女士”，广播消息“笑”并等待，光环板接收到广播消息，露出笑脸，否则，广播消息“生气”并等待，光环板亮红灯。此功能可应用于智能家居系统，当识别到主人回家时，大门自动打开，当识别到陌生人时，开启警铃。 训练模型 1. 选择“角色”，点击积木区下方的“＋”，添加扩展“机器学习”。 2. 选中机器学习积木，点击“训练模型”，在训练模型界面点击“新建模型”
-
这就是Keras Keras是一个高层神经网络库，Keras由纯Python编写而成并基Tensorflow或Theano。Keras 为支持快速实验而生，能够把你的idea迅速转换为结果，如果你有如下需求，请选择Keras： 简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性） 支持CNN和RNN，或二者的结合 支持任意的链接方案（包括多输入和多输出训练） 无缝CPU和GPU切换
-
开场介绍面试环节，科研项目考察+coding+反问，先吟诵自我介绍 问项目环节，本来以为是类似互联网大厂聊项目拷打深挖细节，结果是考察项目涉及的模型/算法相关的八股 先狠狠灌注了一波transformer八股： - 介绍transformer架构整体特点 - 描述残差连接的细节、作用是？为什么有效？解释原理 - 为什么用LayerNorm，有什么好处 - transformer并行计算的能力体现在