专栏首页Hadoop实操0690-TensorFlow之车牌识别案例

0690-TensorFlow之车牌识别案例

演示tensorflow图像识别案例。

参考文档:https://blog.csdn.net/shadown1ght/article/details/78571187

作者:李继武

安装python3.5环境

如果环境中已有Python3可跳过;

1. 下载Python3安装包

wget https://www.python.org/ftp/python/3.5.0/Python-3.5.0.tar.xz

2. 解压,编译及安装

tar xvf  Python-3.5.0.tar.xz
./configure
make && make install

3. 验证安装

安装tensorflow模块

1. 升级pip模块

下载pip-18.1安装包

wget https://files.pythonhosted.org/packages/c2/d7/90f34cb0d83a6c5631cf71dfe64cc1054598c843a92b400e55675cc2ac37/pip-18.1-py2.py3-none-any.whl

安装

pip3 install pip-18.1-py2.py3-none-any.whl

2. 安装tensorflow

pip3 install tensorflow

3. 验证安装

导入数据

1. 创建工作目录

mkdir -p /data/tf_demo

2. 将数据集上传到该目录下

3. 编写代码

省份简称训练+识别代码(保存文件名为train-license-province.py):

城市代号训练+识别代码(保存文件名为train-license-letters.py):

车牌编号训练+识别代码(保存文件名为train-license-digits.py):

4. 训练

保存好上面三个python脚本后,我们首先进行省份简称训练。

python3 train-license-province.py train

然后进行省份简称识别,在命令行输入执行如下命令:

python3 train-license-province.py predict

执行城市代号训练(相当于训练26个字母):

python3 train-license-letters.py train

识别城市代号:

python3 train-license-letters.py predict

执行车牌编号训练(相当于训练24个字母+10个数字,我国交通法规规定车牌编号中不包含字母I和O):

python3 train-license-digits.py train

识别车牌编号:

python3 train-license-digits.py predict

与下方的测试图片对比,识别成功:

本文分享自微信公众号 - Hadoop实操(gh_c4c535955d0f)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-08-22

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 如何使用Hue通过数据文件创建Collections

    在CDH5.9版本及更新版本中,Hue新增一个全新工具从数据文件中创建Apache Solr的Collections,可以通过该工具轻松的将数据加载到Solr的...

    Fayson
  • 如何使用java命令从非集群节点向CDH集群提交MapReduce作业

    在前面文章Fayson讲过《如何使用hadoop命令向CDH集群提交MapReduce作业》和《如何跨平台在本地开发环境提交MapReduce作业到CDH集群》...

    Fayson
  • 集群JournalNode服务重启导致NameNode挂掉分析

    在我们的集群中修改了JournalNode服务的配置后需要重启时配置生效,在进行重启操作时导致NameNode服务挂掉,具体操作步骤如下:

    Fayson
  • TensorFlow从0到1 | 第七篇:TensorFlow线性回归的参数溢出之坑

    上一篇 6 解锁梯度下降算法 解释清楚了学习率(learning rate)。本篇基于对梯度下降算法和学习率的理解,去填下之前在线性回归中发现的一个坑。 在5 ...

    用户1332428
  • 5.训练模型之利用训练的模型识别物体

    接下来我们开始训练,这里要做三件事: 将训练数据上传到训练服务器,开始训练。 将训练过程可视化。 导出训练结果导出为可用作推导的模型文件。 配置 Pipelin...

    刘盼
  • tensorflow使用object detection实现目标检测超详细全流程(视频+图像集检测)

    参考原始代码:https://github.com/tensorflow/models/tree/master/research 本文以mobilenet-ss...

    机器学习AI算法工程
  • tensorflow使用object detection实现目标检测超详细全流程(视频+图像集检测)

    https://github.com/tensorflow/models/tree/master/research 本文以mobilenet-ssd-v2为例进...

    朱晓霞
  • BERT王者归来!Facebook推出RoBERTa新模型,碾压XLNet 制霸三大排行榜

    前不久,CMU和谷歌大脑提出的XLNet预训练模型在 20 项任务上全面碾压曾有“最强NLP预训练模型”之称的BERT,可谓风光无限,吸足了眼球。

    新智元
  • 重回榜首的BERT改进版开源了,千块V100、160GB纯文本的大模型

    BERT 自诞生以来就展现出了卓越的性能,GLUE 排行榜上前几名的模型一度也大多使用 BERT。然而,XLNet 的横空出世,打破了 BERT 的纪录。不过,...

    机器之心
  • 基于腾讯云TKE的大规模强化学习实践

    | 导语 大规模的强化学习需要海量的异构计算资源,批量快速启停训练任务,高频更新模型参数,跨机跨进程共享模型数据等。传统的手工管理模式操作繁琐,面临诸多不确定性...

    腾讯云原生

扫码关注云+社区

领取腾讯云代金券