先进入这个界面：https://console.bce.baidu.com/ai/#/ai/face/overview/index创建好应用后 点击图片右下角的免费获取资源（把能获取的都获取来）点击管理应用 然后查看左边的技术文档在API文档中找到想要的技术根据提示 获得需要的access_token 这里的AK和SK在上面的第二张图中 从resopnse.json()中选择["access_to

右键数据库 - > 点击SQL Scripts ->run SQL Scripts 就可以选择对应的文件了。

直接拿来的 以后可以参考学习from cv2 import cv2import numpy as npimport os"""通过对车牌的颜色、面积、倾斜度进行识别。代码如下：在识别图片时，首先要调整图片的比例，也就是n，图片的大小，决定了车牌面积的大小，决定了能不能识别出来，一般图片要占到屏幕面积的1/4左右。车牌的相应信息，储存在box中，可以选择输出，此程序输出了面积，角度和比例。在open

右键数据库 - > 点击SQL Scripts ->run SQL Scripts 就可以选择对应的文件了。

车牌识别的几个步骤：给一张图片1.从图片上找到车牌的区域2.从图片上截取车牌的区域3.从这个车牌区域中分割出一个一个的字符图片，保存4.字符图片挨个识别：先识别省份，再识别城市、再识别号码5.三个部分合在一起，得到最终的车牌的详细信息怎么去识别: 用模型去做 模型=数据（特征数据+标签数据）+算法 （CNN）卷积神经网络tensorflow:数据流编程 平台的工作方式：数据流图1.创建图2.给图中

人工智能实验： 神经网络实现手写数字识别tensorflow/Pytorch（附完整项目代码和实验报告）

车牌识别的几个步骤：给一张图片1.从图片上找到车牌的区域2.从图片上截取车牌的区域3.从这个车牌区域中分割出一个一个的字符图片，保存4.字符图片挨个识别：先识别省份，再识别城市、再识别号码5.三个部分合在一起，得到最终的车牌的详细信息怎么去识别: 用模型去做 模型=数据（特征数据+标签数据）+算法 （CNN）卷积神经网络tensorflow:数据流编程 平台的工作方式：数据流图1.创建图2.给图中

人工智能实验： 神经网络实现手写数字识别tensorflow/Pytorch（附完整项目代码和实验报告）

人工智能实验： 神经网络实现手写数字识别tensorflow/Pytorch（附完整项目代码和实验报告）

人工智能实验： 神经网络实现手写数字识别tensorflow/Pytorch（附完整项目代码和实验报告）