车辆识别也是属于图像分类问题，根据识别车牌中65类（包括数字0~9、A~Z、各省份的简称），对65类按照9：1进行划分训练集和测试集，训练集进行训练得到模型之后，将测试集放入模型进行测试，即识别每个字符然后拼接完成车辆识别。
主要步骤：
1.准备数据：根据公开数据集，按9：1并生成训练集和测试集。
#导入需要的包
import numpy as np
import paddle as paddle
import paddle.fluid as fluid
from PIL import Ima
车辆识别也是属于图像分类问题，根据识别车牌中65类（包括数字0~9、A~Z、各省份的简称），对65类按照9：1进行划分训练集和测试集，训练集进行训练得到模型之后，将测试集放入模型进行测试，即识别每个字符然后拼接完成车辆识别。
主要步骤：
1.准备数据：根据公开数据集，按9：1并生成训练集和测试集。
#导入需要的包
import numpy as np
import paddle as paddle
import paddle.fluid as fluid
from PIL import Ima
一、项目概述
本次项目目标是实现对自动生成的带有各种噪声的车牌识别。在噪声干扰情况下，车牌字符分割较困难，此次车牌识别是将车牌7个字符同时训练，字符包括31个省份简称、10个阿拉伯数字、24个英文字母（’O’和’I’除外），共有65个类别，7个字符使用单独的loss函数进行训练。
（运行环境：tensorflow1.14.0-GPU版）
二、生成车牌数据集
import os
import cv2 as cv
import numpy as np
from math import *
from
