我的任务：我需要训练卷积神经网络来识别车牌号。
输入：图像（像素数组（我可以将其标准化））
输出有关车牌位置的信息。
问题：
1）哪种形式最适合获得结果？例如：如果我想识别数字，我将使用10个元素的向量，该值将包含适当数字的概率。但我不知道在我的情况下应该使用哪种输出形式。
2）哪种图像尺寸更适合用于输入？
3）这个问题与第一个问题有关。如何构建我的训练数据集？我的变体：位掩码，其中1表示这是一个数字牌的像素，以及板的直方（x，y，宽度，高度）的JSON描述。 我可以使用哪个程序进行映射？
对不起，如果我的问题对你来说太愚蠢了:)）
答案 0 :(得分：1)
我不清楚你是想检测车牌还是识别车牌数字。 在这两种情况下都要回答你，这完全取决于你的数据集。
如果您的数据集包含不同位置和不同尺寸的汽车图像
如果您的任务是检测平板，那么您的任务是训练系统检测图像中是否有车牌并通过分割，注意，像素位置回归进行定位，无论您选择何种程序申请。
如果您的任务是识别数字，那么首先应该应用平板检测，然后通过顺序应用输入或在应用识别之前先分割数字来应用数字识别。
如果您的数据集包含数字，那么您只需要通过选择您喜欢的任何模型来应用模型来识别数字。
我建议你先做一些研究，以了解你将要做什么，以及在定义你的艺术数据之前人们做了什么，因为我从你的问题中看出问题对你来说非常模糊。