本课程是关于《Python自动车牌识别系统和OCR Web应用系统实战开发视频教程》，你将学习使用Python开发自动车牌识别系统和OCR Web应用系统的全流程、算法和工具。
图像处理和对象检测是数据科学的领域之一，在当今世界的行业中具有广泛的应用。许多行业正在寻找具有这些技能的数据科学家。本课程涵盖建模技术，包括标记对象检测数据（图像），数据预处理，深度学习模型构建（InceptionResNet V2），评估和生产（Web App）。
我们先介绍本课程“项目体系结构”，然后使用Python开发此应用。然后，我将展示如何使用图像注释工具Image Annotation Tool（它是在python GUI（pyQT）中开发的开源软件）来收集数据和标签图像，以用于车牌或车牌的对象检测。
然后，在标记图像后，我们将在TensorFlow 2中进行数据预处理，构建和训练深度学习对象检测模型（InceptionResnet V2）。一旦以最佳损失训练了模型，我们将对模型进行评估。我将向您展示如何计算并集上的交集（Intersection Over Union，IoU）
对象检测模型的精度。
一旦完成了对象检测模型，然后使用该模型，我们将裁剪包含牌照的图像（也称为关注区域（ROI）），并将ROI传递给Python中的光学字符识别API Tesseract（Pytesseract ）。在此模型中，我将向您展示如何从图像中提取文本。现在，我们将所有这些放在一起，并构建管道深度学习模型。
在最后一个模块中，我们将学习使用FLASK Python创建一个Web应用程序项目。最初，我们将学习Flask中的基本概念，例如URL路由，渲染模板，模板继承等。然后，我们将使用HTML，Bootstrap创建网站。这样，我们终于可以使用我们的应用程序了。
您将学到什么？
在Python编程中构建项目
标记图像以进行物体检测
TensorFlow 2.x中的训练对象检测模型（InceptionResNet V2）
模型评估
Pytesseract的光学字符识别
Flask API
以HTML，Boostrap，Python进行Flask Web App开发
我们知道，基于计算机视觉的Web应用程序是始终引起疑问的话题之一。随时在“问答”中提问，我们很高兴回答您的所有问题。我们还在资源中提供了所有Notebooks，py文件，这些文件将对参考有用。
