开发者新闻 | 创建一个实时车牌检测和识别应用程序

固定车辆自动车牌识别 (ALPR) 是智能城市常用的智能视频分析应用之一。一些常见的使用案例包括停车辅助系统、自动收费站、在港口和医疗物资运输仓库进行运输和物流的车辆登记和识别。能够实时做到这一点是充分发挥这些市场潜力的关键。传统的技术依赖于专门的相机和处理硬件，这部署既昂贵又难以维护。

ALPR 的流程包括使用目标检测深度学习模型检测帧内的车辆，使用车牌检测模型对车牌进行定位，最后识别车牌上的字符。使用深度神经网络的光学字符识别 (OCR) 是一种流行的技术来识别任何语言字符。

在这篇文章中，我们将向您展示如何使用生产质量的 AI 模型，如车牌检测(LPD) 和车牌识别 (LPR) 模型，并结合 NVIDIA Transfer Learning Toolkit (TLT)。现成的模型允许您快速启动 ALPR 项目。由此产生的 TLT 优化模型可以使用 DeepStream SDK 轻松部署。

要开始创建和部署来自 TLT 的高度精确、预先训练过的模型，您需要以下资源:

TrafficCamNet 或 DashCamNet 从 NGC 模型来检测车辆

车牌检测 (LPD) 模型用于车牌的检测

车牌识别 (LPR) 模型将图像转化为文本

DeepStream SDK

所有的预训练模型都是免费的，并且随时可以在 NVIDIANGC 上获得。TLT 提供两套 LPD 模型和两套 LPR 模型:一套是针对美国车牌训练的，另一套是针对中国车牌训练的。有关更多信息，请参阅 LPD 和 LPR 模型卡。

原文链接：

https://developer.nvidia.com/blog/

相关的推荐人有可能每天影响数百万人的决策，并建立信任。如今，负责构建相关且有影响力的推荐器的数据科学家和机器学习工程师面临的挑战包括缓慢的管道、超过内存的大型嵌入表，以及在保持低延迟的同时保持高吞吐量。这些挑战并不是无关紧要的，它们为频繁的训练、再训练或将模型部署到生产中提供了障碍。在这个最新的.4 版本中，NVIDIA Merlin 提供了一个新的 API 和推理支持，帮助简化推荐工作流程。