1. 項目緣起從“看得見”到“看得懂”的跨越在計算機視覺的眾多應用場景里車牌識別一直是個既經(jīng)典又充滿挑戰(zhàn)的“硬骨頭”。說它經(jīng)典是因為從停車場、高速收費站到交通違章抓拍它的身影無處不在是連接物理世界車輛信息與數(shù)字世界管理系統(tǒng)的關(guān)鍵橋梁。說它挑戰(zhàn)是因為現(xiàn)實環(huán)境太“骨感”了光照忽明忽暗車牌可能沾滿泥污拍攝角度刁鉆還有各種五花八門的字體和樣式。早些年很多方案依賴于傳統(tǒng)的圖像處理和模式識別方法比如先做邊緣檢測找車牌輪廓再用模板匹配或者簡單的分類器去識別字符。這些方法在受控環(huán)境下還行一旦環(huán)境復雜點識別率就直線下降調(diào)試各種閾值和規(guī)則更是讓人頭疼。我自己在幾年前參與過一個老舊停車場的改造項目當時用的就是一套傳統(tǒng)方案。為了應對傍晚的逆光和雨天的水漬我們花了大量時間調(diào)整預處理參數(shù)效果還不穩(wěn)定。那時候我就在想有沒有一種方法能讓機器像人一樣不那么依賴精確的預處理而是能從一堆像素里直接“悟”出關(guān)鍵信息答案就是深度學習特別是卷積神經(jīng)網(wǎng)絡(luò)。CNN或者說卷積神經(jīng)網(wǎng)絡(luò)它干的事情本質(zhì)上是在模仿人眼視覺皮層處理信息的方式。它不是一下子看整張圖而是用一個個小“窗口”卷積核在圖像上滑動先抓取邊緣、角點這些局部特征再層層組合最終理解更復雜的圖案比如“這是數(shù)字‘0’的一個圓弧”。對于車牌識別這種任務(wù)CNN簡直是天作之合車牌字符本身就是由筆畫、輪廓等局部特征構(gòu)成的CNN能自動學習到這些特征并對光照變化、輕微形變等干擾具備一定的魯棒性。所以這個項目的目的很明確拋開那些繁瑣的手工特征設(shè)計用TensorFlow搭建一個CNN模型讓它端到端地學會從一張含有車輛的圖片中定位并識別出車牌號碼。這不僅是一次技術(shù)實踐更是對“讓機器真正看懂圖像”這一理念的驗證。無論你是剛接觸深度學習想找個有成就感的項目練手還是有一定基礎(chǔ)希望深入理解CNN在具體業(yè)務(wù)中的應用這個從零到一的車牌識別實現(xiàn)過程都會給你帶來不少啟發(fā)。2. 核心思路拆解兩步走還是端到端在動手寫代碼之前我們必須把車牌識別這個任務(wù)拆解清楚。一個完整的車牌識別系統(tǒng)通常包含兩個核心子任務(wù)車牌檢測和字符識別。根據(jù)這兩個任務(wù)的耦合程度技術(shù)路線主要分為“兩步走”和“端到端”兩種。2.1 “兩步走”策略先找位置再認字這是最直觀、也最經(jīng)典的思路也是我們這個項目采用的主要架構(gòu)。車牌檢測輸入是一張可能包含車輛的圖片輸出是車牌在圖片中的精確位置通常用一個矩形框表示。這一步的目標是從復雜的背景中把車牌這個“小目標”給摳出來。字符識別輸入是上一步裁剪出來的車牌區(qū)域小圖輸出是車牌上的字符序列。這一步需要進一步分割出單個字符然后對每個字符進行分類識別。這種策略的優(yōu)勢在于模塊清晰每個步驟可以獨立優(yōu)化。例如檢測部分可以用一個目標檢測模型如YOLO、SSD識別部分用另一個更精細的分類模型。但缺點也很明顯流程長誤差會累積。如果檢測框不準或者字符分割出錯后面識別得再好也白搭。2.2 “端到端”策略一步到位近年來隨著深度學習的發(fā)展特別是基于注意力機制的序列模型如CRNN CTC的成熟端到端的車牌識別成為可能。這種策略將整個圖片輸入一個模型直接輸出車牌號碼字符串。它避免了中間步驟的誤差累積理論上更優(yōu)雅。但對于初學者或希望深入理解每個環(huán)節(jié)的項目而言“兩步走”策略更具教學和實踐意義。它能讓你清晰地看到CNN在圖像定位和分類兩個不同維度上的能力。因此我們本項目將聚焦于“兩步走”策略并重點用CNN來實現(xiàn)其中的字符識別部分。車牌檢測部分為了簡化項目復雜度我們會先采用一種基于傳統(tǒng)圖像處理的方法如顏色、邊緣特征來模擬讓你先跑通整個流程理解了核心原理后可以很方便地用深度學習檢測模型替換它。2.3 為什么用CNN做字符識別車牌字符識別本質(zhì)上是一個多分類問題。每個字符0-9A-Z部分漢字都是一個類別。CNN的優(yōu)勢在于局部感知字符的筆畫是局部特征卷積核的滑動窗口機制天生適合捕捉這種特征。參數(shù)共享同一個卷積核在整個圖像上滑動大大減少了需要訓練的參數(shù)數(shù)量。平移不變性經(jīng)過池化操作后字符在圖像中的微小位置變化對最終分類結(jié)果影響較小。我們將構(gòu)建一個多層的CNN輸入是歸一化后的單個字符圖片比如32x32像素的灰度圖輸出是該字符屬于各個類別的概率分布。3. 環(huán)境搭建與數(shù)據(jù)準備磨刀不誤砍柴工在開始激動人心的模型構(gòu)建之前扎實的環(huán)境和數(shù)據(jù)準備是成功的基石。這一部分我會詳細說明每一步的操作和背后的考量幫你避開初期最常見的那些“坑”。3.1 TensorFlow與Python環(huán)境配置我強烈建議使用Anaconda來管理Python環(huán)境。它能幫你輕松地創(chuàng)建獨立的虛擬環(huán)境避免不同項目間的包版本沖突。# 創(chuàng)建一個名為‘plate_recognition’的新環(huán)境指定Python版本為3.8與TensorFlow兼容性好 conda create -n plate_recognition python3.8 # 激活環(huán)境 conda activate plate_recognition接下來安裝TensorFlow。這里有個關(guān)鍵選擇CPU版還是GPU版CPU版安裝簡單pip install tensorflow即可。適合小規(guī)模數(shù)據(jù)、模型簡單的學習和演示。我們這個項目的字符識別模型不大用CPU也能跑只是訓練慢點。GPU版能利用顯卡進行大規(guī)模并行計算訓練速度可能提升十倍甚至更多。但安裝復雜需要匹配特定版本的CUDA和cuDNN。如果你有NVIDIA顯卡并愿意折騰可以搜索“tensorflow gpu 版本對應cuda”來查找匹配版本。注意新手強烈建議先從CPU版開始。把整個流程跑通、理解透徹后再考慮配置GPU環(huán)境進行加速。避免在環(huán)境問題上浪費過多時間打擊信心。除了TensorFlow我們還需要一些輔助庫pip install opencv-python # 用于圖像讀取、預處理和傳統(tǒng)方法車牌檢測 pip install matplotlib # 用于可視化圖片和結(jié)果 pip install numpy # 數(shù)值計算基礎(chǔ)庫TensorFlow依賴它 pip install scikit-learn # 用于數(shù)據(jù)劃分、評估指標計算安裝完成后寫個簡單的測試腳本驗證一下import tensorflow as tf import cv2 import numpy as np print(“TensorFlow版本”, tf.__version__) print(“OpenCV版本”, cv2.__version__) # 如果能看到版本號且不報錯說明環(huán)境基本OK。3.2 數(shù)據(jù)項目的“糧食”深度學習模型是“數(shù)據(jù)驅(qū)動”的沒有高質(zhì)量的數(shù)據(jù)再精巧的模型也是空中樓閣。對于車牌字符識別我們需要大量已標注的單個字符圖片。數(shù)據(jù)來源主要有兩種公開數(shù)據(jù)集這是最推薦的起點。例如CCPD中國城市車牌數(shù)據(jù)集就非常著名它包含了數(shù)十萬張真實場景下的車牌圖片并有車牌四個角點的坐標標注。我們可以用它來裁剪出車牌區(qū)域進而分割出字符。使用公開數(shù)據(jù)集省時省力且數(shù)據(jù)質(zhì)量相對統(tǒng)一。自行收集與標注如果你有特定需求如某種特殊車牌樣式可能需要自己收集圖片。然后用標注工具如LabelImg框出車牌再寫腳本分割字符。這個過程極其耗時且標注質(zhì)量直接影響模型效果。數(shù)據(jù)預處理流程以從CCPD中準備字符數(shù)據(jù)為例車牌區(qū)域提取利用數(shù)據(jù)集提供的角點坐標通過透視變換將傾斜的車牌矯正為正視圖并裁剪出來。字符分割這是傳統(tǒng)圖像處理的范疇。對裁剪出的灰度車牌圖進行二值化、閉操作連接字符區(qū)域、尋找輪廓、根據(jù)輪廓位置和寬高比篩選出字符輪廓最后按從左到右的順序?qū)⒚總€字符裁剪出來。字符標注每個裁剪出的小圖需要根據(jù)其在原車牌中的位置對應到真實的字符標簽如“京”、“A”、“1”、“2”等。這通常需要與分割步驟的排序邏輯配合并可能需要一個手動校驗的環(huán)節(jié)來糾正分割錯誤。數(shù)據(jù)清洗與增強清洗剔除分割嚴重錯誤、模糊不清的字符圖片。增強為了提升模型魯棒性我們需要對數(shù)據(jù)進行增強。包括隨機旋轉(zhuǎn)小角度如±10度、平移、縮放、添加高斯噪聲、調(diào)整對比度和亮度等。TensorFlow的tf.keras.preprocessing.image.ImageDataGenerator可以方便地實現(xiàn)這一點。歸一化與數(shù)據(jù)集劃分將所有字符圖片縮放到統(tǒng)一尺寸如32x32并將像素值歸一化到[0, 1]區(qū)間。最后按7:2:1的比例隨機劃分為訓練集、驗證集和測試集。實操心得數(shù)據(jù)準備階段會占用整個項目70%以上的精力。字符分割的算法魯棒性直接決定了后續(xù)識別模型的天花板。一定要花時間可視化檢查分割和標注的結(jié)果建立一個干凈的“黃金數(shù)據(jù)集”子集用于算法調(diào)試。一個常見的坑是車牌邊框、螺絲釘或間隔符如“·”被誤分割為字符需要在分割邏輯中通過寬高比、面積等條件嚴格過濾。4. 構(gòu)建CNN字符識別模型從藍圖到實現(xiàn)有了高質(zhì)量的數(shù)據(jù)我們就可以著手搭建模型的核心——字符識別CNN了。這里我們不追求最前沿的復雜網(wǎng)絡(luò)而是構(gòu)建一個結(jié)構(gòu)清晰、效果可靠的經(jīng)典CNN模型并深入理解每一層的作用。4.1 模型結(jié)構(gòu)設(shè)計我們的模型將包含以下幾個關(guān)鍵層它們像流水線一樣對輸入圖像進行加工輸入層接收固定尺寸的灰度圖像例如(32, 32, 1)。最后一個維度“1”代表單通道灰度。卷積層這是CNN的靈魂。我們使用多個卷積核來提取特征。第一層卷積核可能學習到邊緣、斑點等低級特征。Conv2D(32, (3,3), activation‘relu’)使用32個3x3大小的卷積核并用ReLU激活函數(shù)引入非線性。ReLU函數(shù)f(x)max(0,x)能有效緩解梯度消失問題加速訓練。池化層緊隨卷積層之后用于降維和保持特征平移不變性。我們通常使用最大池化。MaxPooling2D((2,2))在2x2的窗口內(nèi)取最大值輸出將特征圖尺寸減半。這能減少計算量并讓模型更關(guān)注某個區(qū)域內(nèi)最強的特征而非精確位置。重復堆疊我們會重復“卷積-池化”的組合以學習更復雜、更抽象的特征。例如再來一組Conv2D(64, (3,3), activation‘relu’)和MaxPooling2D((2,2))。隨著深度增加卷積核能識別的模式從邊緣升級到紋理再到字符的局部結(jié)構(gòu)。展平層將最后池化層輸出的多維特征圖“拍平”成一維向量以便輸入到傳統(tǒng)的全連接層。Flatten()全連接層起到“分類器”的作用。通常有一到兩層。Dense(128, activation‘relu’)一個具有128個神經(jīng)元的隱藏層進一步組合高級特征。輸出層最終決策層。神經(jīng)元數(shù)量等于字符類別的總數(shù)例如數(shù)字10個字母24個部分漢字假設(shè)共65類。使用Softmax激活函數(shù)將輸出轉(zhuǎn)換為概率分布。Dense(65, activation‘softmax’)4.2 使用TensorFlow Keras API實現(xiàn)模型TensorFlow的KerasAPI讓模型定義變得異常簡潔。下面是一個示例代碼塊import tensorflow as tf from tensorflow.keras import layers, models def create_cnn_model(input_shape(32, 32, 1), num_classes65): model models.Sequential([ # 第一組卷積池化 layers.Conv2D(32, (3, 3), activation‘relu’, input_shapeinput_shape), layers.MaxPooling2D((2, 2)), # 第二組卷積池化 layers.Conv2D(64, (3, 3), activation‘relu’), layers.MaxPooling2D((2, 2)), # 第三組卷積池化可以進一步增加深度 layers.Conv2D(64, (3, 3), activation‘relu’), # 展平并連接全連接層 layers.Flatten(), layers.Dense(128, activation‘relu’), # 防止過擬合的Dropout層 layers.Dropout(0.5), # 輸出層 layers.Dense(num_classes, activation‘softmax’) ]) return model # 創(chuàng)建模型實例 model create_cnn_model() # 打印模型結(jié)構(gòu)摘要非常重要用于檢查各層輸出尺寸 model.summary()運行model.summary()你會看到每一層輸出的形狀和參數(shù)數(shù)量這是驗證模型結(jié)構(gòu)是否符合預期的好方法。4.3 模型編譯配置學習過程模型搭建好比搭好了骨架編譯則是為它注入靈魂——定義如何學習。model.compile(optimizer‘a(chǎn)dam’, loss‘sparse_categorical_crossentropy’, metrics[‘a(chǎn)ccuracy’])優(yōu)化器我們選擇Adam。它結(jié)合了動量和自適應學習率的優(yōu)點在大多數(shù)情況下都是默認且效果良好的選擇無需手動調(diào)整太多參數(shù)。損失函數(shù)sparse_categorical_crossentropy。因為我們處理的是多分類問題且標簽是整數(shù)形式如0代表‘0’1代表‘1’。如果標簽是one-hot編碼則使用categorical_crossentropy。評估指標監(jiān)控accuracy準確率是最直觀的。為什么是這些選擇Adam優(yōu)化器能自動調(diào)整每個參數(shù)的學習率收斂速度快且穩(wěn)定。交叉熵損失函數(shù)是分類任務(wù)的標準選擇它衡量模型預測概率分布與真實分布之間的差距。在模型訓練初期不必過早糾結(jié)于優(yōu)化器和損失函數(shù)的變體先用這套“標準配置”跑通流程。5. 模型訓練、評估與調(diào)優(yōu)讓模型“學有所成”模型準備就緒數(shù)據(jù)也已到位接下來就是最關(guān)鍵的訓練階段。這個過程并非一蹴而就而是伴隨著持續(xù)的觀察、分析和調(diào)整。5.1 啟動訓練我們將使用準備好的訓練集和驗證集進行訓練。# 假設(shè) train_images, train_labels, val_images, val_labels 已經(jīng)準備好 history model.fit(train_images, train_labels, epochs30, # 訓練輪數(shù)初始可設(shè)10-30 batch_size32, # 每批數(shù)據(jù)量根據(jù)內(nèi)存調(diào)整 validation_data(val_images, val_labels), verbose1) # 顯示進度條Epochs所有訓練數(shù)據(jù)完整過一遍稱為一個epoch。輪數(shù)太少模型學不到東西太多可能導致過擬合。需要觀察驗證集損失曲線來決定何時停止。Batch Size每次參數(shù)更新所用到的樣本數(shù)。增大batch size可以提升訓練速度、使梯度下降更穩(wěn)定但需要更多內(nèi)存。32或64是常見的起點。Validation Data在每個epoch結(jié)束后用驗證集評估一次模型性能。這是監(jiān)控模型是否過擬合的關(guān)鍵訓練集損失下降而驗證集損失上升就是典型的過擬合信號。5.2 可視化訓練過程訓練返回的history對象包含了每輪訓練的歷史數(shù)據(jù)畫出來看非常直觀。import matplotlib.pyplot as plt acc history.history[‘a(chǎn)ccuracy’] val_acc history.history[‘val_accuracy’] loss history.history[‘loss’] val_loss history.history[‘val_loss’] epochs_range range(len(acc)) plt.figure(figsize(12, 4)) plt.subplot(1, 2, 1) plt.plot(epochs_range, acc, label‘Training Accuracy’) plt.plot(epochs_range, val_acc, label‘Validation Accuracy’) plt.legend(loc‘lower right’) plt.title(‘Training and Validation Accuracy’) plt.subplot(1, 2, 2) plt.plot(epochs_range, loss, label‘Training Loss’) plt.plot(epochs_range, val_loss, label‘Validation Loss’) plt.legend(loc‘upper right’) plt.title(‘Training and Validation Loss’) plt.show()健康的曲線應該是訓練和驗證的準確率同步上升并最終趨于穩(wěn)定損失同步下降并趨于平緩。如果兩者差距越來越大就需要警惕了。5.3 常見問題與調(diào)優(yōu)策略過擬合模型在訓練集上表現(xiàn)很好在驗證集上卻很差。解決策略增加數(shù)據(jù)最有效的方法。使用更激進的數(shù)據(jù)增強。添加正則化在模型中我們已經(jīng)使用了Dropout層隨機丟棄一部分神經(jīng)元可以嘗試調(diào)整丟棄率如0.3到0.5。還可以在全連接層使用L2正則化。簡化模型減少網(wǎng)絡(luò)層數(shù)或每層的神經(jīng)元數(shù)量。早停當驗證集損失連續(xù)幾個epoch不再下降時就停止訓練。欠擬合模型在訓練集上都學不好。解決策略增加模型復雜度添加更多的卷積層或全連接層。減少正則化降低Dropout率或移除正則化。延長訓練時間增加epoch數(shù)量。檢查數(shù)據(jù)數(shù)據(jù)標注是否有大量錯誤預處理是否破壞了有效信息訓練不穩(wěn)定或震蕩損失曲線上下跳動劇烈。解決策略降低學習率這是優(yōu)化器Adam的一個參數(shù)雖然它能自適應但初始學習率有時還是太高?？梢試L試在compile時設(shè)置optimizertf.keras.optimizers.Adam(learning_rate0.0001)。增大Batch Size使梯度估計更穩(wěn)定。5.4 最終測試與模型保存在驗證集上調(diào)整好超參數(shù)后務(wù)必在從未參與過訓練和調(diào)優(yōu)的測試集上進行最終評估這才是模型真實泛化能力的體現(xiàn)。test_loss, test_acc model.evaluate(test_images, test_labels, verbose2) print(‘\nTest accuracy:’, test_acc)如果結(jié)果滿意就將模型保存下來供后續(xù)部署使用。# 保存整個模型結(jié)構(gòu)權(quán)重優(yōu)化器狀態(tài) model.save(‘plate_char_cnn_model.h5’) # 或只保存權(quán)重 model.save_weights(‘plate_char_cnn_weights.weights.h5’)保存為.h5格式是Keras的經(jīng)典格式便于后續(xù)加載和預測。6. 整合與部署從模型到可運行的系統(tǒng)訓練好的字符識別模型只是一個“部件”。我們需要將它和車牌檢測模塊整合起來形成一個完整的、可以處理新圖片的流水線。6.1 實現(xiàn)一個簡單的車牌檢測模塊如前所述為了項目完整我們先實現(xiàn)一個基于顏色和邊緣的傳統(tǒng)檢測方法。這個方法在特定場景下有效但魯棒性不如深度學習檢測器。import cv2 import numpy as np def simple_plate_detect(image): # 轉(zhuǎn)換為HSV顏色空間便于根據(jù)顏色篩選例如中國藍牌和綠牌 hsv cv2.cvtColor(image, cv2.COLOR_BGR2HSV) # 定義藍色和綠色的范圍需要根據(jù)實際車牌顏色調(diào)整 lower_blue np.array([100, 50, 50]) upper_blue np.array([140, 255, 255]) lower_green np.array([40, 50, 50]) upper_green np.array([80, 255, 255]) mask_blue cv2.inRange(hsv, lower_blue, upper_blue) mask_green cv2.inRange(hsv, lower_green, upper_green) mask cv2.bitwise_or(mask_blue, mask_green) # 形態(tài)學操作去除小噪點連接區(qū)域 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (5,5)) mask cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) mask cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel) # 尋找輪廓 contours, _ cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) plate_contours [] for cnt in contours: x, y, w, h cv2.boundingRect(cnt) aspect_ratio w / h # 寬高比 area cv2.contourArea(cnt) # 根據(jù)車牌大致的長寬比和面積進行篩選 if 2.0 aspect_ratio 5.0 and area 1000: plate_contours.append((x, y, w, h)) # 返回所有可能的車牌區(qū)域 return plate_contours6.2 字符分割與識別流水線檢測到車牌區(qū)域后我們需要對其進行預處理、分割然后調(diào)用模型識別。def recognize_plate(image_path, model): # 1. 讀取圖片 img cv2.imread(image_path) if img is None: print(“無法讀取圖片”) return None # 2. 車牌檢測 plate_boxes simple_plate_detect(img) results [] for (x, y, w, h) in plate_boxes: # 3. 裁剪車牌區(qū)域 plate_img img[y:yh, x:xw] # 4. 車牌區(qū)域預處理轉(zhuǎn)灰度、二值化、調(diào)整大小等 gray cv2.cvtColor(plate_img, cv2.COLOR_BGR2GRAY) # 使用自適應閾值二值化應對光照不均 binary cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2) # 5. 字符分割這是一個簡化示例實際更復雜 # 可通過投影法、找輪廓法進行分割。這里假設(shè)有一個分割函數(shù) char_images segment_chars(binary) plate_number “” # 6. 對每個字符進行識別 for char_img in char_images: # 調(diào)整到模型輸入尺寸歸一化 char_input cv2.resize(char_img, (32, 32)) / 255.0 char_input np.expand_dims(char_input, axis(0, -1)) # 增加批次和通道維度 # 預測 predictions model.predict(char_input, verbose0) predicted_class np.argmax(predictions[0]) # 將類別索引映射回實際字符 plate_number index_to_char(predicted_class) results.append({‘box’: (x, y, w, h), ‘number’: plate_number}) return results6.3 性能優(yōu)化與生產(chǎn)化考量當你想把這個系統(tǒng)用起來時需要考慮更多檢測模塊升級將simple_plate_detect替換為基于深度學習的檢測模型如YOLOv5或SSD能極大提升檢測準確率和魯棒性。推理速度使用TensorFlow Lite將模型轉(zhuǎn)換為輕量級格式可以在移動端或邊緣設(shè)備上高效運行。批處理如果需要處理視頻流或大量圖片可以對檢測到的多張車牌進行批量的字符識別利用GPU的并行能力提升吞吐量。錯誤處理與日志增加對異常輸入、識別置信度低等情況的處理邏輯并記錄日志以便排查問題。7. 避坑指南與經(jīng)驗分享走完整個流程你可能會遇到一些我當年也踩過的坑。這里集中分享幾點希望能幫你節(jié)省時間。7.1 數(shù)據(jù)層面的“坑”類別不平衡數(shù)字和某些字母如‘0’和‘O’‘1’和‘I’的樣本數(shù)量可能差異巨大。這會導致模型對少數(shù)類識別能力差。解決方法收集更多數(shù)據(jù)在數(shù)據(jù)增強時對少數(shù)類進行過采樣在損失函數(shù)中使用類別權(quán)重。臟數(shù)據(jù)標注錯誤是模型性能的“隱形殺手”。務(wù)必進行人工抽查。一個技巧是用初始模型在訓練集上跑一遍預測找出那些預測概率很高但預測錯誤的樣本這些很可能是標注錯誤。分割不一致字符分割的邊界不一致有的緊貼字符有的包含過多背景會給模型帶來干擾。盡量統(tǒng)一分割算法或?qū)Ψ指詈蟮膱D像進行歸一化如padding到正方形再縮放。7.2 模型訓練與調(diào)參的“坑”盲目加深網(wǎng)絡(luò)對于字符識別這種任務(wù)一個3-4層的CNN通常已經(jīng)足夠。過深的網(wǎng)絡(luò)容易在小數(shù)據(jù)集上過擬合且訓練更慢。先從簡單模型開始逐步增加復雜度。忽視驗證集不要根據(jù)測試集的結(jié)果來調(diào)參測試集只能用于最終評估。所有超參數(shù)的選擇學習率、網(wǎng)絡(luò)結(jié)構(gòu)、正則化強度都應基于驗證集的表現(xiàn)來決定。學習率不合適如果損失很早就變成NaN或者一直不下降首先檢查學習率?？梢試L試使用學習率調(diào)度器如ReduceLROnPlateau當驗證損失停滯時自動降低學習率。7.3 工程整合的“坑”預處理一致性訓練時對圖像做的預處理如歸一化到[0,1]在預測時必須一模一樣。常見錯誤是訓練時用了/255.0部署時忘了。模型版本管理每次模型迭代都要保存好對應的代碼和數(shù)據(jù)集版本。TensorFlow的SavedModel格式或.h5文件要附帶版本號或日期。中文車牌的挑戰(zhàn)中文車牌首字是漢字其結(jié)構(gòu)比英文字母和數(shù)字復雜得多。識別漢字需要更大的模型和更多的數(shù)據(jù)。一種實踐策略是將識別任務(wù)拆分為兩個模型一個專門識別漢字幾十個類別另一個識別后面的字母數(shù)字?；蛘呤褂酶蟮摹瑵h字的數(shù)據(jù)集訓練一個統(tǒng)一的模型。這個項目就像搭積木從數(shù)據(jù)準備、模型構(gòu)建、訓練調(diào)優(yōu)到系統(tǒng)整合每一步都環(huán)環(huán)相扣。最讓我有成就感的時刻不是模型在測試集上達到99%的準確率而是第一次用自己寫的完整流水線成功識別出電腦里一張隨手拍的車牌照片。那一刻你會真切感受到那些數(shù)學公式和代碼是如何一步步讓機器“睜開眼”的。希望你在實現(xiàn)的過程中也能體驗到這種樂趣。如果在具體環(huán)節(jié)遇到問題不妨回頭看看數(shù)據(jù)、看看曲線很多時候答案就藏在細節(jié)里。