迩来在做一个对于繁杂场景下车牌识另外名目，对于字符识别举行了钻研。
目前OCR的阻滞主若是基于模板匹配，TESSERACT库以及普通流行的深度学习方式举行识别。
收缩包里有两个工程文件，一个是基于模板匹配的字符识别（尺度模板库已经做好放进去了，不需要自己在做，直接运行就能够了），另一个是使用google开源TESSERACT库的字符识别，能够实现手写字母（大小写均可）识别，准确率抵达92%以上。

2400个车牌正样本，残缺可感应做车牌识另外同砚提供熬炼集，留意是车牌识别，不是字符识别

HyperLPR是一个使用深度学习针对于对于中文车牌识另外实现，开源地址：https://github.com/zeusees/HyperLPR，在windows下，使用vs2013编译告成，编译前需要更正opencv340的include以及lib路途。

迩来试验名目用到了车牌识另外数据集，在CSDN上下了格式千般的数据集，发现踩了许多若干坑。
收入许多积分后我将好用的数据打包做了汇总，阻滞是你们所需要的。
该数据集搜罗两个文件夹，一是代表熬炼集的车牌字符集，(联系以及标注好的车牌标志（英文+中文）的灰度图片)。
二是，用于作为测试数据的车派司片（玄色车辆车派司片）共183张。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。