今天给大家带来的项目是用PaddlePaddle进行车牌识别。车牌识别其实属于比较常见的图像识别的项目了，目前也属于比较成熟的应用，大多数老牌厂家能做到准确率99%+。传统的方法需要对图像进行多次预处理再用机器学习的分类算法进行分类识别，然而深度学习发展起来以后，我们可以通过用CNN来进行端对端的车牌识别。任何模型的训练都离不开数据，在车牌识别中，除了晚上能下载到的一些包含车牌的数据是不够的，本篇文章的主要目的是教大家如何批量生成车牌。

生成车牌数据 （关注博客园专栏作者：Charlotte77   http://www.cnblogs.com/charlotte77 查看源代码）

1.定义车牌数据所需字符

车牌中包括省份简称、大写英文字母和数字，我们首先定义需要的字符和字典，方便后面使用

（关注博客园专栏作者：Charlotte77http://www.cnblogs.com/charlotte77 查看源代码）

（关注博客园专栏作者：Charlotte77  http://www.cnblogs.com/charlotte77 查看源代码）

上图即为生成的车牌数据，有清晰的有模糊的，有比较方正的，也有一些比较倾斜，生成完大量的车牌样张后就可以进行车牌识别了。下一小节将会讲如何用端对端的CNN进行车牌识别，不需要通过传统的ocr先对字符进行分割处理后再识别。

参考资料：

1.原来做的车牌识别项目：https://github.com/huxiaoman7/mxnet-cnn-plate-recognition