数据集获取
1. 车牌数据集下载地址：https://pan.baidu.com/s/1mhJPo3u
2. 对下载的数据集进行解压，结构如下，包括测试样本和训练样本：
3. 测试集内图片如下：
4. 训练集主要有训练集、验证集组成，结构如下：
5. 训练集包括：数字0-9、字母A-Z、还有中文字符京、闽、粤、苏、沪、浙，如下：
6. 验证集也包括：数字0-9、字母A-Z、还有中文字符京、闽、粤、苏、沪、浙，如下：
实现
省份训练+识别
字母训练+识别
数字训练+识别
处理流程
1. 数据集内的图像都是经过二值化处理后的黑白图（黑底白字），大小为32*40；
2. 首先，读取训练集内的中文字符/数字/字母图，获取图片总数及对应的标签文件；
3. 然后，定义CNN网络进行训练，对训练结果进行优化；
4. 最后，保存训练模型；模型保存在train-saver文件夹；
5. 文件夹内包括训练的数字、字母、省份3个训练文件，如下：
6. 3个文件夹内都包括训练生成的模型文件，如下：
7. 预测：读取训练的模型数据，输入测试图进行测试；
运行结果
省份运行结果
1. 在Anaconda Prompt内通过cd命令，进入到程序目录下；
2. 然后输入：
python train-license-province.py train进行省份的训练，如下：
3. 训练后进行预测，输入命令：
python train-license-province.py predict
字母运行结果
1. 输入命令
python train-license-letters.py train
2. 训练后进行预测，输入命令：
python train-license-letters.py predict
数字运行结果
1. 输入命令：
python train-license-digits.py train 进行训练，如下：
2. 训练后进行预测，命令如下：
python train-license-digits.py predict
改进点
1. 正常采集的车牌图片应该是彩色、有噪声、带旋转等多种复杂情况混合的，固需要对图像多做写预处理；
2. 目前，数目、数字、中文训练集、验证集、测试集图片数量较少（在100-200之间），应考虑扩充数据集，提高识别准确率；
3. 如果电脑配置高的，可以将程序进行优化，考虑将中文、字母、数字作为一体进行训练；
4. 如果条件有限，数据集无法采集到，可以考虑人工的方法生成车牌图像；