Github
文档项目介绍：End-to-end-for-chinese-plate-recognition
End-to-end-for-chinese-plate-recognition 项目是一个专为中文车牌设计的定位、矫正和识别的软件解决方案。该项目利用u-net、cv2以及卷积神经网络（CNN）技术，实现对车牌的端到端识别。项目中的u-net和CNN均基于TensorFlow的Keras实现。
使用技术
- 车牌定位与矫正：项目使用u-net进行图像分割，获取车牌的二值化图像。接着，利用cv2进行边缘检测，确定车牌区域的坐标，并进行图形矫正。
- 车牌识别：使用卷积神经网络（CNN）对已矫正的车牌图像进行多标签的端到端识别。
运行环境
项目需要以下软件环境支持：
- Python 3.6
- TensorFlow 1.15.2
- OpenCV 4.1.0.25
- Keras 2.3.1
实现效果
项目在识别车牌时表现出色，即便面对挑战性的环境，如拍摄角度倾斜、强曝光或昏暗光线下，它仍能较好地识别车牌。对于一些百度AI未能识别的图片，该项目也能成功识别。
使用注意事项
在识别完整车牌无需定位的情况下，请确保图像尺寸不超过240 x 80像素。否则，软件可能会误认为图像中含有其他区域而进行不必要的定位处理，从而影响识别效果。
实际效果展示
项目中提供了一些测试效果图，展示了该识别软件的实际应用场景及识别表现：
整体而言，End-to-end-for-chinese-plate-recognition 项目展示了一种高效、准确的车牌识别方法，对于相关应用场景具有很高的参考价值。
