YOLO: Automatic License Plate Detection & Extract text App

使用深度学习、TensorFlow 2 和 Flask 开发车牌检测和 OCR 项目

价格：$59.99

学生数量：2,069 名学生

上次更新时间：2023年9月

教程评分：4.9（246 条评价）

教程语言：英语

教程字幕：中英文字幕

本课程包括：

• 5.5 小时点播视频
• 14 篇文章
• 22 个可下载资源
• 可在移动设备和电视上访问
• 终身访问
• 完成证书

学习内容：

• 从头开始进行目标检测
• 车牌检测
• 使用 Tesseract 从图像中提取文本
• 在 TensorFlow 2 中训练 InceptionResnet V2 用于目标检测
• 基于 Flask 的 Web API
• 使用图像标注工具标注目标检测数据
• 从头开始训练自定义 YOLO 模型
• 使用 YOLO 实时车牌检测

课程要求：

• 基本的 Python 知识
• 深度学习和 TensorFlow 的基础知识
• HTML 基础

课程描述：

欢迎参加从头开始的车牌检测和 OCR：深度学习 Web 应用项目

图像处理和目标检测是数据科学的一个领域，当前世界中有广泛的应用。许多行业都在寻找具备这些技能的数据科学家。本课程涵盖了建模技术，包括标注目标检测数据（图像）、数据预处理、深度学习模型构建（InceptionResNet V2）、评估和生产（Web 应用）。

我们从开发此应用的项目架构开始，然后展示如何收集数据并使用图像标注工具为车牌或号牌检测标注图像。然后，我们将进行数据预处理，在 TensorFlow 2 中构建和训练深度学习目标检测模型（InceptionResnet V2）。一旦模型以最佳损失训练完成，我们将评估模型。我们将展示如何计算交并比（IoU）和目标检测模型的精度。

一旦完成目标检测模型，我们将使用该模型裁剪包含车牌的图像（即兴趣区域，ROI），并将 ROI 传递给 Tesseract OCR API。在此模型中，我们将展示如何从图像中提取文本。最后，我们将所有内容整合在一起，构建一个管道深度学习模型。

在最后一个模块中，我们将学习使用 Flask Python 创建一个 Web 应用项目。首先学习 Flask 的基本概念，如 URL 路由、模板渲染和模板继承等。然后，我们将使用 HTML 和 Bootstrap 创建我们的网站。最后，我们的应用准备就绪。

我们知道基于计算机视觉的 Web 应用是一个总会留下一些疑问的主题。请随时在问答区提问，我们非常乐意回答您的所有问题。

我们还提供了所有的笔记本和 py 文件作为资源，供参考。

适合对象：

• 任何想从头开始构建深度学习项目的人
• 想开发车牌 OCR 项目的 Python 开发者
• 任何想学习端到端深度学习项目的人
• 对使用 TensorFlow 2 开发 Web 应用项目感兴趣的人

B 站免费课程：更多免费教程

更多 人工智能 教程：更多 人工智能 教程