一: 前言

项目中涉及大量的货车码表图片，目前需要运营同学人工提取出码表里程值，图片会随着项目的实施，会有大量的图片产生，
为了降本增效，需要我们从深度学习的角度来自动化的提取码表总里程值，该任务会分为三个流水线:

• 分类 (判断是否码表)
• 检测 (检测码表坐标)
• 识别(提取码表里程值)

Faster RCNN 是该流水线第二步，检测的具体实现.

二: 测试效果

输入图片

原始图片

处理后的图片

经过处理后的图片

输入:

图片size为 [height = 1080, weight = 1440, channels = 3]

输出:

码表矩形框坐标为:  [x1 = 480, y1 = 400, x2 = 720, y2 = 464]
码表值概率为: 1.0 表示 100%

三: Faster RCNN 推理 流程

• 1. 图片预处理
• 2. RPN网络预测
• 3. RPN to ROIs
• 4. Classifier 网络预测
• 5. Classifier网络输出对 ROIs过滤与修正
• 6. NMS (非最大值抑制)
• 7. 坐标转换为原始图片维度

四: Faster RCNN 推理 流程图

faster rcnn 推理流程图