车牌识别难点克服，c++部署

车牌识别工程

车牌检测

难点痛点

车牌不是一个矩形，传统的目标检测存在缺陷
光照

解决方案

基于centernet的思想，使用任意四边形的检测头，增加角度的回归

车牌识别

crnn在边缘端部署比较麻烦

去除rnn
去除全连接，用conv替代

c++部署工程

工程地址：

https://github.com/JiangYongYu1/PlateRecognize
[github地址](https://github.com/JiangYongYu1/PlateRecognize)

基于onnxruntime-gpu的c++部署，支持linux和windows，提供两个检测和两个识别模型，可以任意组合，支持蓝绿车牌

轻量级检测模型，只能检测-45 -> +45 plate/center_text_mbv3.onnx
稍大检测模型，可以检测360°车牌 plate/center_text_640.onnx
轻量级识别模型， 2.8M，未使用rnn和全连接 plate/plate_reg_res.onnx 
稍大识别模型， plate/plate_reg_best.onnx 精度比轻量级高1.3个点

libtorch的c++部署

只提供轻量级模型的torchscript

用法

准备依赖库

编译运行

mkdir build
cd build
cmake ..

./plate_demo ../plate/config_lite.yml ../plate/canvas.png

精度

• lite模型精度：检测和识别合起来的精度 ccpd 95.6%
• big模型精度：检测和识别合起来的精度 ccpd 96.9%