Software di localizzazione, correzione e riconoscimento end-to-end di targhe cinesi basato su u-net, cv2 e cnn, dove unet e cv2 sono utilizzati per la localizzazione e correzione delle targhe, cnn per il riconoscimento delle targhe, unet e cnn sono implementati in keras di tensorflow
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiSoftware di localizzazione, correzione e riconoscimento end-to-end di targhe cinesi basato su u-net, cv2 e cnn, dove unet e cv2 sono utilizzati per la localizzazione e correzione delle targhe, cnn per il riconoscimento delle targhe, unet e cnn sono implementati in keras di tensorflow
End-to-end-for-chinese-plate-recognition ha 547 stelle su GitHub. È stato forkato 123 volte. End-to-end-for-chinese-plate-recognition è scritto principalmente in Python. È in sviluppo attivo dal 2020. End-to-end-for-chinese-plate-recognition è disponibile con licenza Apache-2.0. I suoi temi principali sono: computer-vision, image-recognition, image-segmentation, keras.
Software di localizzazione, correzione e riconoscimento end-to-end di targhe cinesi basato su u-net, cv2 e cnn, dove unet e cv2 sono utilizzati per la localizzazione e correzione delle targhe, cnn per il riconoscimento delle targhe, unet e cnn sono implementati in keras di tensorflow
End-to-end-for-chinese-plate-recognition è un progetto open source. È rilasciato con licenza Apache-2.0.
Sì. End-to-end-for-chinese-plate-recognition è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
End-to-end-for-chinese-plate-recognition è disponibile con licenza Apache-2.0.
End-to-end-for-chinese-plate-recognition è scritto principalmente in Python.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://opensourceai.tech/project/duanshengliu-end-to-end-for-chinese-plate-recognition.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.