第二十一章车牌识别 - 版本历史

Cslt：/* 演示链接 */

2023-08-13T01:54:19Z

‎演示链接

2023年8月13日 (日) 01:53 Cslt

2023-08-13T01:53:09Z

2023年8月13日 (日) 01:52 Cslt

2023-08-13T01:52:07Z

Cslt：/* 扩展阅读 */

2023-08-13T01:50:56Z

‎扩展阅读

2022年8月10日 (三) 03:06 Cslt

2022-08-10T03:06:29Z

2022年8月10日 (三) 02:41 Cslt

2022-08-10T02:41:45Z

2022年8月10日 (三) 02:11 Cslt

2022-08-10T02:11:49Z

Cslt：以“ ==教学资料== 教学参考 [http://aigraph.cslt.org/courses/21/course-21.pptx 课件] *小清爱提问：机器如何识别车牌[https://...”为内容创建页面

2022-08-09T09:50:30Z

以“ ==教学资料== *教学参考 *[http://aigraph.cslt.org/courses/21/course-21.pptx 课件] *小清爱提问：机器如何识别车牌[https://...”为内容创建页面

新页面

==教学资料==
*[[教学参考-21|教学参考]]
*[http://aigraph.cslt.org/courses/21/course-21.pptx 课件]
*小清爱提问：机器如何识别车牌[https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247485046&idx=1&sn=4ca0402b4bc576d140c5d03d79879431&chksm=c3080cb4f47f85a2d5e73c1b4039f44f288a7c66d03d2be203dd1c33516dc7795bf286e2faaa&scene=178#rd]

==扩展阅读==

*

==视频展示==

*
*

==演示链接==

*
*
*

==开发者资源==

* Insight Face [https://github.com/deepinsight/insightface]
* OpenCV [https://opencv.org/]
* Face js: quick demo with JS [https://justadudewhohacks.github.io/face-api.js/docs/index.html]

==高级读者==

* Brunelli R, Poggio T. Face recognition: Features versus templates[J]. IEEE transactions on pattern analysis and machine intelligence, 1993, 15(10): 1042-1052. [https://www.academia.edu/download/7233387/com-pami1993-10-01.pdf]
* Sun Y, Wang X, Tang X. Deep learning face representation from predicting 10,000 classes[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2014: 1891-1898. [https://openaccess.thecvf.com/content_cvpr_2014/papers/Sun_Deep_Learning_Face_2014_CVPR_paper.pdf]
* Y. Taigman, M. Yang, M. Ranzato, and L. Wolf. DeepFace: Closing the gap to human-level performance in face verification. In Proc. CVPR, 2014.[https://openaccess.thecvf.com/content_cvpr_2014/papers/Taigman_DeepFace_Closing_the_2014_CVPR_paper.pdf]
* 王东，利节，许莎，人工智能，第一章，认识你的脸，2019 [http://aibook.cslt.org]

@@ 第25行： / 第25行： @@
 * 薪火科技[https://www.xinhuokj.com/ocr.html]
 * DTK车牌识别在线演示[https://www.dtksoft.com/lprdemo]
 ==开发者资源==

@@ 第15行： / 第15行： @@
 ==视频展示==
-* YOLO visulaization [http://aigraph.cslt.org/courses/21/YOLO2-plate.mp4]
+* YOLO visulaization [http://aigraph.cslt.org/courses/21/yolo2-plate.mp4]
 * YOLO-v3 [http://aigraph.cslt.org/courses/21/YOLOv3-show.mp4]

@@ 第5行： / 第5行： @@
 *[http://aigraph.cslt.org/courses/21/course-21.pptx 课件]
 *小清爱提问：机器如何识别车牌[https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247485046&idx=1&sn=4ca0402b4bc576d140c5d03d79879431&chksm=c3080cb4f47f85a2d5e73c1b4039f44f288a7c66d03d2be203dd1c33516dc7795bf286e2faaa&scene=178#rd]
-*小清爱提问：什么是YOLO模型[]
+*小清爱提问：目标检测中的YOLO网络长什么样？[https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247489867&idx=1&sn=0daa55f14d6ccd8e201f3de4533a791f&chksm=c3081389f47f9a9fa4fcc90aaba0432cfb8aed471ef95574dc856c3619f699cc0f578c58e45a&scene=178&cur_album_id=3052762821081645063#rd]

@@ 第10行： / 第10行： @@
 ==扩展阅读==
-* AI100问：什么是YOLO模型
+* AI100问：什么是YOLO模型 [http://aigraph.cslt.org/ai100/AI100-125-什么是YOLO网络.pdf]
-* AI100问：机器如何识别车牌
+* AI100问：机器如何识别车牌[http://aigraph.cslt.org/ai100/AI-100-100-浅谈车牌识别.pdf]
-−
 ==视频展示==

@@ 第22行： / 第22行： @@
 ==演示链接==
 * DTK车牌识别在线演示[https://www.dtksoft.com/lprdemo]
 * Tanar Automatic Number Plate Reader System [https://saymannet.com/LPR-License-Plate-Recognition]
@@ 第28行： / 第31行： @@
 ==开发者资源==
 * 基于Yolo v4的车牌识别 [https://learnopencv.com/automatic-license-plate-recognition-using-deep-learning/]
 * ALPR in Unscontrained Scenarios [https://github.com/sergiomsilva/alpr-unconstrained]

@@ 第5行： / 第5行： @@
 *[http://aigraph.cslt.org/courses/21/course-21.pptx 课件]
 *小清爱提问：机器如何识别车牌[https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247485046&idx=1&sn=4ca0402b4bc576d140c5d03d79879431&chksm=c3080cb4f47f85a2d5e73c1b4039f44f288a7c66d03d2be203dd1c33516dc7795bf286e2faaa&scene=178#rd]
 ==扩展阅读==
+* AI100问：什么是YOLO模型
 ==视频展示==
+* YOLO-v3 [http://aigraph.cslt.org/courses/21/YOLOv3-show.mp4]
+* YOLO-v2 应用于车牌定位 [http://aigraph.cslt.org/courses/21/YOLO2-plate.mp4]
 ==演示链接==
@@ 第25行： / 第27行： @@
 ==开发者资源==
-* Insight Face [https://github.com/deepinsight/insightface]
-* OpenCV [https://opencv.org/]
-* Face js: quick demo with JS [https://justadudewhohacks.github.io/face-api.js/docs/index.html]
@@ 第33行： / 第35行： @@
 ==高级读者==
-* Brunelli R, Poggio T. Face recognition: Features versus templates[J]. IEEE transactions on pattern analysis and machine intelligence, 1993, 15(10): 1042-1052. [https://www.academia.edu/download/7233387/com-pami1993-10-01.pdf]
+* Arafat M Y, Khairuddin A S M, Khairuddin U, et al. Systematic review on vehicular licence plate recognition framework in intelligent transport systems[J]. IET Intelligent Transport Systems, 2019, 13(5): 745-755. [https://ietresearch.onlinelibrary.wiley.com/doi/pdf/10.1049/iet-its.2018.5151]
-* Sun Y, Wang X, Tang X. Deep learning face representation from predicting 10,000 classes[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2014: 1891-1898. [https://openaccess.thecvf.com/content_cvpr_2014/papers/Sun_Deep_Learning_Face_2014_CVPR_paper.pdf]
+* Srikanth P, Kumar A. Automatic vehicle number plate detection and recognition systems: Survey and implementation[M]//Autonomous and Connected Heavy Vehicle Technology. Academic Press, 2022: 125-139. [https://www.sciencedirect.com/science/article/pii/B9780323905923000070]
-* Y. Taigman, M. Yang, M. Ranzato, and L. Wolf. DeepFace: Closing the gap to human-level performance in face verification. In Proc. CVPR, 2014.[https://openaccess.thecvf.com/content_cvpr_2014/papers/Taigman_DeepFace_Closing_the_2014_CVPR_paper.pdf]
+* Zherzdev S, Gruzdev A. Lprnet: License plate recognition via deep neural networks[J]. arXiv preprint arXiv:1806.10447, 2018. [https://arxiv.org/pdf/1806.10447]
-* 王东，利节，许莎， 人工智能，第一章，认识你的脸，2019 [http://aibook.cslt.org]
+* Xie L, Ahmad T, Jin L, et al. A new CNN-based method for multi-directional car license plate detection[J]. IEEE Transactions on Intelligent Transportation Systems, 2018, 19(2): 507-517. [https://trid.trb.org/view/1500448]

第二十一章 车牌识别 - 版本历史