|
|
EasyPR版本更新
|
|
|
|
|
|
|
|
|
### 更新
|
|
|
|
|
|
本次更新是1.4 正式版，主要改进在于几个方面：
|
|
|
|
|
|
1.代码统一为UTF-8格式，多平台的Shell不再出现乱码。
|
|
|
|
|
|
2.支持opencv3.0与3.1，注意，这与opencv2.x不兼容，要想支持的话请下载1.3版本。
|
|
|
|
|
|
3.ANN训练开放。
|
|
|
|
|
|
4.修正了SVM训练异常的问题。
|
|
|
|
|
|
5.代码优化。
|
|
|
|
|
|
不知道怎么下载以前的版本的小伙伴可以在github或gitosc的"branch"里选择"tags"，然后点击"v1.3"，再然后点击"download zip"。当然如果直接git clone的话可以随时方便切换。
|
|
|
|
|
|
在后面的版本中计划做以下几点改善：
|
|
|
|
|
|
1.新的评价框架，更加合理的评估数据。
|
|
|
|
|
|
2.新的车牌定位算法。
|
|
|
|
|
|
======
|
|
|
|
|
|
|
|
|
本次更新是1.3beta版，主要改进在于提升了字符识别模块的准确性：
|
|
|
|
|
|
平均字符差距从0.7降低到0.4，完整匹配度从68%左右上升到目前的81%，平均执行时间从2秒降低到1.5秒。见下图：
|
|
|
|
|
|
|
|
|
|
|
|
主要改动如下：
|
|
|
|
|
|
* 改进了字符识别算法，重新训练了ANN模型，从而使得字符识别准确率大幅度提升。
|
|
|
|
|
|
* 使用了更鲁棒性的办法提升了车牌定位模块的准确率。
|
|
|
|
|
|
目前版本的问题是处理时间还是偏高，1.3正式版本中会对这个问题进行fix。
|
|
|
|
|
|
|
|
|
======
|
|
|
|
|
|
|
|
|
本次更新是1.3alpha版，主要改进在于提升了字符识别模块的准确性：
|
|
|
|
|
|
平均字符差距从2.0降低到0.7，完整匹配度从25%左右上升到目前的68%。
|
|
|
|
|
|
同时，车牌定位模块准确率进一步提升，从上一个版本的94%上升到现在的99%。见下图：
|
|
|
|
|
|
|
|
|
|
|
|
主要改动如下：
|
|
|
|
|
|
* 改进了字符识别算法，重新训练了ANN模型，从而使得字符识别准确率大幅度提升。
|
|
|
|
|
|
* 使用了更鲁棒性的办法提升了车牌定位模块的准确率。
|
|
|
|
|
|
目前版本的问题是处理时间大幅度上升，1.3正式版本中会对这个问题进行fix。
|
|
|
|
|
|
|
|
|
======
|
|
|
|
|
|
|
|
|
本次更新是1.2版，主要改进在于提升了车牌定位模块的准确性，从70%左右到目前的94%，见下图：
|
|
|
|
|
|
|
|
|
|
|
|
主要改动如下：
|
|
|
|
|
|
* 车牌定位使用了“颜色信息”+“二次Sobel”的综合搜索方法。在下面的window中红框代表Sobel定位结果，黄框代表颜色定位结果。
|
|
|
|
|
|
* “批量测试”增加了一个结果查看window，这个窗口可以用SetDebug()方法开闭(true开，false关)。
|
|
|
|
|
|
|
|
|
|
|
|
* 基本攻克了“大角度定位”问题，下图的车牌被定位并转到了正确的视角。
|
|
|
|
|
|
|
|
|
|
|
|
* GDTS里新增了若干张新测试图，包括数张大角度图。
|
|
|
|
|
|
* “批量测试”结果现在同时会保存在“run_accuracy”文件中，可以查询历史信息。
|
|
|
|
|
|
* 与Linux版本做了整合，可以实现跨平台编译。
|
|
|
|
|
|
|
|
|
======
|
|
|
|
|
|
|
|
|
目前EasyPR的版本是1.1，相比上一个版本1.0，有以下更新（这次的更新内容较多，为了跟你现有的项目和代码不冲突，请
|
|
|
谨慎选择全部更新，最好新起一个目录试试新增的功能和内容）：
|
|
|
|
|
|
* 新的SVM模型。新模型使用rbf核替代了liner核，在车牌判断的准确率提升了8个百分点。
|
|
|
|
|
|
|
|
|
|
|
|
* 新增两个特征提取方法。并提供了相关的回调函数接口供二次开发。
|
|
|
|
|
|
|
|
|
|
|
|
* 新增Debug模式。可以在image/tmp文件夹下看到所有输出的中间图片。
|
|
|
|
|
|
|
|
|
|
|
|
* 增加了LifeMode模式，相比默认模式，更适合在生活场景下定位车牌。
|
|
|
|
|
|
|
|
|
|
|
|
* 增加了批量测试功能，这个功能可供测试EasyPR在多幅图片上的整体表现效果。
|
|
|
|
|
|
 
|
|
|
|
|
|
* 引入了GDTS(General Data Test Set，通用数据测试集)这个概念，作为EasyPR准确率的评测数据集。
|
|
|
|
|
|
|
|
|
|
|
|
* 为了确保GDTS的数据仅用于非商业目的，引入了新的[GDSL协议](../image/GDSL.txt)。
|
|
|
|
|
|
|
|
|
|
|
|
* 完善SVM训练功能。提供了一个方便简单的训练窗口。这些增加的功能是为了配合即将推出的SVM开发详解这篇文章。
|
|
|
|
|
|
|
|
|
|
|
|
* 强化SVM模型验证。使用了三个新的数据集概念，即learn data，train data，test data。
|
|
|
|
|
|
|
|
|
|
|
|
* 新增评价指标。引入Precise，Recall，FSocre三个指标这三个指标作为SVM模型准确率评判的参数与改善的依据。
|
|
|
|
|
|
|
|
|
|
|
|
* 新增整体指标。引入levenshtein距离作为EasyPR整体识别准确率误差的评判参数与改善依据。
|
|
|
|
|
|
  
|
|
|
|
|
|
|
|
|
|
|
|
* 大幅增加训练数据。SVM训练数据中增加了近千张新数据(未经直方图均衡化的车牌图片和非车牌图片)。
|
|
|
|
|
|
请自行解压train/data/plate_detect_svm/learn下的压缩文件查看相关信息。
|
|
|
|
|
|
* 新增命令行窗口，作为测试与训练的辅助工具。
|
|
|
|
|
|
注意：上一个版本中image文件下的test.jpg如果有同学下载了，请删除。它的格式不符合新的GDSL协议的约定。
|
|
|
如果想使用测试图片，可以使用1.1版本中新增的test.jpg替代。
|
