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

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

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。

目录

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)
  
 

相关文章
CV：设计自动生成汽车车牌图片算法(cv2+PIL)根据指定七个字符自动生成逼真车牌图片数据集(带各种噪声效果)
MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)实现车牌照片字符识别并评估模型
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

文章来源: yunyaniu.blog.csdn.net，作者：一个处女座的程序猿，版权归原作者所有，如需转载，请联系作者。

原文链接：yunyaniu.blog.csdn.net/article/details/89947681