高位视频停车
案例介绍
项目背景：高位视频停车场景下车牌识别：包含白天夜晚。
关键技术：Crnn、Transform、Ctc、模型压缩加速
数据集 ： 1 万张真实数据+9 万张合成数据，包含普通车牌和新能源车牌。
算法实现：利用 albumentations 数据增强库对车牌进行数据增强，由于各省份车牌数量不均衡采用算法生成部
分假数据；起初采用 crnn 算法，但量化后运行速度慢，因为 rnn 是串行计算，并行度不够，因此选
用 transform+ctc 的技术路线，transform 可采用并行计算，速度更快，模块中去掉了位置编码模块
(加入后模型不易收敛），在夜晚场景中或者车辆高速运动中，图片质量会变差，因此在模型中加入
的图像增强模块，可在一定程度上改善低光照、倒车灯、运动模糊的场景，由于算法部署在边缘端，
采用了模型剪枝蒸馏量化等策略来加速模型。
项目成果：高位视频停车场景下车牌识别准确率 98.5%，白天准确率 99.6%，NX infer:8ms。
硬件设备：Jetson Xavier NX
高位视频停车
案例介绍
车牌识别算法（高位视频场景）
项目背景：高位视频停车场景下车牌识别：包含白天夜晚。
关键技术：Crnn、Transform、Ctc、模型压缩加速
数据集 ： 1 万张真实数据+9 万张合成数据，包含普通车牌和新能源车牌。
算法实现：利用 albumentations 数据增强库对车牌进行数据增强，由于各省份车牌数量不均衡采用算法生成部
分假数据；起初采用 crnn 算法，但量化后运行速度慢，因为 rnn 是串行计算，并行度不够，因此选
用 transform+ctc 的技术路线，transform 可采用并行计算，速度更快，模块中去掉了位置编码模块
(加入后模型不易收敛），在夜晚场景中或者车辆高速运动中，图片质量会变差，因此在模型中加入
的图像增强模块，可在一定程度上改善低光照、倒车灯、运动模糊的场景，由于算法部署在边缘端，
采用了模型剪枝蒸馏量化等策略来加速模型。
项目成果：高位视频停车场景下车牌识别准确率 98.5%，白天准确率 99.6%，NX infer:8ms。
硬件设备：Jetson Xavier NX
案例图片
相似案例推荐
-
接各种python单子
接各种python单子、MySQL数据库、数据分析可视化、p
-
接各种python单子
接各种python单子，数据分析、爬虫、数据可视化等等，Py
-
企业官网
介绍关于网约车相关的介绍官网，主要是介绍网约车的网约车平台出
-
没有
没有作品，当时在上学的时候学过编程，后面因为上班没有时间。但
-
没有
没有，因为在上学的时后学过，上班以后因为忙所以没有作品。因为
-
编程
我现在暂时没有项目和作品，但我相信我在此平台一定会有出彩的作
1小时精推人才
需求方专属客服，免费梳理匹配
