• 大小: 16.83MB
    文件类型: .zip
    金币: 1
    下载: 0 次
    发布日期: 2023-06-18
  • 语言: 其他
  • 标签: tensorflow  

资源简介

tensorflow车牌号码识别源码,tensorflow文字识别扩展发挥

资源截图

代码片段和文件信息

#!/usr/bin/python3.5
# -*- coding: utf-8 -*-  

import sys
import os
import time
import random

import numpy as np
import tensorflow as tf

from PIL import Image


SIZE = 1280
WIDTH = 32
HEIGHT = 40
NUM_CLASSES = 34
iterations = 1000

SAVER_DIR = “train-saver/digits/“

LETTERS_DIGITS = (“0““1““2““3““4““5““6““7““8““9““A““B““C““D““E““F““G““H““J““K““L““M““N““P““Q““R““S““T““U““V““W““X““Y““Z“)
license_num = ““

time_begin = time.time()


# 定义输入节点,对应于图片像素值矩阵集合和图片标签(即所代表的数字)
x = tf.placeholder(tf.float32 shape=[None SIZE])
y_ = tf.placeholder(tf.float32 shape=[None NUM_CLASSES])

x_image = tf.reshape(x [-1 WIDTH HEIGHT 1])


# 定义卷积函数
def conv_layer(inputs W b conv_strides kernel_size pool_strides padding):
    L1_conv = tf.nn.conv2d(inputs W strides=conv_strides padding=padding)
    L1_relu = tf.nn.relu(L1_conv + b)
    return tf.nn.max_pool(L1_relu ksize=kernel_size strides=pool_strides padding=‘SAME‘)

# 定义全连接层函数
def full_connect(inputs W b):
    return tf.nn.relu(tf.matmul(inputs W) + b)


if __name__ ==‘__main__‘ and sys.argv[1]==‘train‘:
    # 第一次遍历图片目录是为了获取图片总数
    input_count = 0
    for i in range(0NUM_CLASSES):
        dir = ‘./train_images/training-set/%s/‘ % i           # 这里可以改成你自己的图片目录,i为分类标签
        for rt dirs files in os.walk(dir):
            for filename in files:
                input_count += 1

    # 定义对应维数和各维长度的数组
    input_images = np.array([[0]*SIZE for i in range(input_count)])
    input_labels = np.array([[0]*NUM_CLASSES for i in range(input_count)])

    # 第二次遍历图片目录是为了生成图片数据和标签
    index = 0
    for i in range(0NUM_CLASSES):
        dir = ‘./train_images/training-set/%s/‘ % i          # 这里可以改成你自己的图片目录,i为分类标签
        for rt dirs files in os.walk(dir):
            for filename in files:
                filename = dir + filename
                img = Image.open(filename)
                width = img.size[0]
                height = img.size[1]
                for h in range(0 height):
                    for w in range(0 width):
                        # 通过这样的处理,使数字的线条变细,有利于提高识别准确率
                        if img.getpixel((w h)) > 230:
                            input_images[index][w+h*width] = 0
                        else:
                            input_images[index][w+h*width] = 1
                input_labels[index][i] = 1
                index += 1

    # 第一次遍历图片目录是为了获取图片总数
    val_count = 0
    for i in range(0NUM_CLASSES):
        dir = ‘./train_images/validation-set/%s/‘ % i           # 这里可以改成你自己的图片目录,i为分类标签
        for rt dirs files in os.walk(dir):
            for filename in files:
                val_count += 1

    # 定义对应维数和各维长度的数组
    val_images = np.array([[0]*SIZE for i in range(val_count)])
    val_labels = np.array([[0]*NUM_CLASSES for i in range(val_count)])

    # 第二次遍历图片目录是为了生成图片数据和标签
    index = 0
    for i in range(0NUM_CLASSES):
        dir = ‘.

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-04-03 14:09  tf_car_license_dataset\
     文件       19563  2018-04-03 13:57  tf_car_license_dataset\20171119075105263.jpg
     目录           0  2017-11-18 20:08  tf_car_license_dataset\test_images\
     文件        2358  2017-12-05 20:21  tf_car_license_dataset\test_images\1.bmp
     文件        2358  2017-11-08 01:34  tf_car_license_dataset\test_images\1510076083_953_1.bmp
     文件        2358  2017-11-08 01:34  tf_car_license_dataset\test_images\1510076083_954_2.bmp
     文件        2358  2017-11-08 01:34  tf_car_license_dataset\test_images\1510076083_954_3.bmp
     文件        2358  2017-11-08 01:34  tf_car_license_dataset\test_images\1510076083_955_4.bmp
     文件        2358  2017-11-08 01:34  tf_car_license_dataset\test_images\1510076083_955_5.bmp
     文件        2358  2017-11-08 01:34  tf_car_license_dataset\test_images\1510076083_956_6.bmp
     文件        2358  2017-11-08 01:34  tf_car_license_dataset\test_images\1510076083_956_7.bmp
     文件        2358  2017-11-08 01:35  tf_car_license_dataset\test_images\1510076148_823_1.bmp
     文件        2358  2017-11-08 01:35  tf_car_license_dataset\test_images\1510076148_824_3.bmp
     文件        2358  2017-11-08 01:35  tf_car_license_dataset\test_images\1510076148_825_4.bmp
     文件        2358  2017-11-08 01:35  tf_car_license_dataset\test_images\1510076148_825_5.bmp
     文件        2358  2017-11-08 01:35  tf_car_license_dataset\test_images\1510076148_825_6.bmp
     文件        2358  2017-11-08 01:35  tf_car_license_dataset\test_images\1510076148_826_7.bmp
     文件        2358  2017-11-08 01:36  tf_car_license_dataset\test_images\1510076183_753_1.bmp
     文件        2358  2017-11-08 01:36  tf_car_license_dataset\test_images\1510076183_755_3.bmp
     文件        2358  2017-11-08 01:36  tf_car_license_dataset\test_images\1510076183_755_4.bmp
     文件        2358  2017-11-08 01:36  tf_car_license_dataset\test_images\1510076183_756_5.bmp
     文件        2358  2017-11-08 01:36  tf_car_license_dataset\test_images\1510076183_756_6.bmp
     文件        2358  2017-11-08 01:36  tf_car_license_dataset\test_images\1510076183_756_7.bmp
     文件        2358  2017-11-08 01:36  tf_car_license_dataset\test_images\1510076213_454_1.bmp
     文件        2358  2017-11-08 01:36  tf_car_license_dataset\test_images\1510076213_455_2.bmp
     文件        2358  2017-11-08 01:36  tf_car_license_dataset\test_images\1510076213_456_4.bmp
     文件        2358  2017-11-08 01:36  tf_car_license_dataset\test_images\1510076213_456_5.bmp
     文件        2358  2017-11-08 01:36  tf_car_license_dataset\test_images\1510076213_457_6.bmp
     文件        2358  2017-11-08 01:36  tf_car_license_dataset\test_images\1510076213_457_7.bmp
     文件        2358  2017-11-08 01:37  tf_car_license_dataset\test_images\1510076240_73_1.bmp
     文件        2358  2017-11-08 01:37  tf_car_license_dataset\test_images\1510076240_75_3.bmp
............此处省略9366个文件信息

评论

共有 条评论