2018-02 的文章
《我的PaddlePaddle学习之路》笔记十——自定义图像数据集实现目标检测
从你的笔记中，我们可以看到你详细地介绍了使用PaddlePaddle实现目标检测的过程。以下是对笔记中关键点的总结和一些补充： ### 目标检测流程概述 1. **数据预处理**：数据集是Pascal VOC 2012版本，包含车牌识别训练数据集。 2. **训练模型**： - 构建VGG-16网络结构。 - 定义Loss函数和优化器。 3. **评估与推理**： - 使用测试
阅读全文《我的PaddlePaddle学习之路》笔记九——使用VOC数据集的实现目标检测
### 第十章：自定义图像数据集实现目标检测 在PaddlePaddle中，我们不仅可以通过预训练模型快速部署目标检测任务，还可以通过自定义数据集来训练自己特有的目标检测模型。本章节将介绍如何使用PaddlePaddle进行目标检测。 #### 1. 准备环境 确保已经安装了PaddlePaddle，并且熟悉基本的PaddlePaddle操作（包括安装、配置等）。可以通过以下命令检查是否已成功
阅读全文《我的PaddlePaddle学习之路》笔记八——场景文字识别
这个笔记非常详细地介绍了如何使用PaddlePaddle来实现车牌字符的识别任务。从数据准备、模型设计到训练和预测，每个步骤都进行了详细的描述。以下是笔记的主要内容和关键点： 1. **数据集准备**： - 使用Stanford-Online-Vehicle-Dataset (SOVD) 数据集。 - 处理图片并提取车牌字符。 2. **模型设计**： - 设计了一个端到端的
阅读全文《我的PaddlePaddle学习之路》笔记七——车牌端到端的识别
这个项目主要介绍了如何使用PaddlePaddle框架来训练一个识别车牌号码的模型。下面我会总结一下关键步骤和概念，并提供一些优化建议。 ### 关键步骤总结 1. **数据准备**： - 收集并预处理车牌图片。 - 创建标签字典，将字符映射到索引。 2. **模型构建**： - 使用PaddlePaddle框架创建一个端到端的识别模型。 - 模型包括输入层、卷积层、
阅读全文《我的PaddlePaddle学习之路》笔记六——验证码端到端的识别
这篇文章详细介绍了使用PaddlePaddle进行车牌识别的过程，从安装环境、读取数据集、构建模型到训练和测试。以下是文章中的几个关键点的总结： ### 1. 环境搭建 作者首先为PaddlePaddle创建了虚拟环境，并配置了CUDA/CUDNN版本。 ### 2. 数据集准备 使用了一个包含大量车牌图像的数据集，这些数据在GitHub上公开可用，且每个车牌都有一个标签。作者通过解析文件
阅读全文