YOLO：自动车牌检测和提取文本应用程序

学习使用深度学习、TensorFlow 2、Flask 开发车牌目标检测、OCR 和创建 Web 应用项目

讲师：Srikanth Gusksra

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

你将会学到的

从头开始物体检测
车牌检测
使用 Tesseract 从图像中提取文本
在 TensorFlow 2 中训练 InceptionResnet V2 进行对象检测
基于 Flask 的 Web API
使用图像注释工具标记对象检测数据
从头开始训练自定义 YOLO 模型
使用 YOLO 实时检测车牌

课程内容

11 个章节 • 70 个讲座 • 总时长 5 小时 26 分钟展开所有章节

介绍6 个讲座 • 19 分钟

标签5 个讲座 • 19 分钟

数据处理4 个讲座 • 27 分钟

用于目标检测的深度学习9 个讲座 • 25 分钟

管道对象检测模型5 个讲座 • 27 分钟

光学字符识别 (OCR)5 个讲座 • 27 分钟

烧瓶应用4 个讲座 • 20 分钟

车牌网页应用程序11 个讲座 • 53 分钟

使用 YOLO 进行实时车牌识别19 个讲座 • 1 小时 48 分钟

YOLO 车牌网页应用代码1 个讲座 • 1 分钟

要求

Python基础知识
TensorFlow 深度学习知识
HTML基础

说明

欢迎来到车牌检测和 OCR：从头开始的深度学习 WEB 应用程序项目

图像处理和目标检测是数据科学的领域之一，在当今世界的各个行业中有着广泛的应用。许多行业都在寻找具有这些技能的数据科学家。本课程涵盖建模技术，包括标记对象检测数据（图像）、数据预处理、深度学习模型构建（InceptionResNet V2）、评估和生产（Web 应用程序）

我们开始这门课程项目架构，然后用 Python 开发这个应用程序。然后，我将展示如何使用图像注释工具收集数据和标签图像以进行车牌或车牌的对象检测，该工具是在 python GUI (pyQT) 中开发的开源软件。

然后在我们标记图像之后，我们将在 TensorFlow 2 中进行数据预处理、构建和训练深度学习对象检测模型 (InceptionResnet V2)。一旦模型以最佳损失训练，我们将评估模型。我会告诉你如何计算

联合交集 (IoU)
目标检测模型的精度。

一旦我们完成了对象检测模型，然后使用这个模型，我们将裁剪包含车牌的图像，也称为感兴趣区域 (ROI)，并将ROI传递给Python 中的光学字符识别 API Tesseract (Pytesseract ）。在这个模型中，我将向你展示如何从图像中提取文本。 现在，我们将把它们放在一起，构建一个Pipeline 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 应用程序项目。最初，我们将学习 Flask 中的基本概念，例如URL 路由、渲染模板、模板继承等。然后我们将使用 HTML、Bootstrap 创建我们的网站。有了这个，我们终于准备好了我们的应用程序。

你会学到什么？