LPRNet 论文详解

最近在研究人车检测识别问题时，涉及到车牌的检测与识别，于是调研了一下车牌识别算法。车牌识别算法中 Intel 于 2018 年发表的《LPRNet: License Plate Recognition via Deep Neural Networks》网络设计新颖，整个模型只有 1.5M，但是识别准确率却毫不逊色，毕竟 Intel 已经在自家嵌入式设备中应用了。本篇通过梳理原文来一窥 LPRNet 的详细网络结构和性能。

LPRnet 轻量级实时车牌识别，主网络代码以及论文思路简要介绍

LPRNet 由轻量级的卷积神经网络组成，所以它可以采用端到端的方法来进行训练。据我们所知，LPRNet 是第一个没有采用 RNNs 的实时车牌识别系统。因此，LPRNet 算法可以为 LPR 创建嵌入式部署的解决方案，即便是在具有较高挑战性的中文车牌识别上。

YOLOv5训练CCPD2019数据集 数据转化

基于深度学习的车牌识别（YOLOv5 和 CNN）

一、综述二、车牌检测

使用MNIST数据集训练手写数字识别模型

运行结果：从这里可以看出数据集的结构形状 train_x 存放了 60000 张 28*28 像素的数字图像，并有 train_y 有 60000 条标签值与之相对应，用于训练模型；test_x 和 test_y 同理，用于测试模型。