2022.12.04 车辆和车牌一起检测看这里车辆系统
2022.11.29 支持危险品车牌
2022.11.17 支持车牌颜色
2022.11.14 安卓 NCNN 支持 : NCNN 安卓
环境要求: python >=3.6 pytorch >=1.7
python detect_plate.py --detect_model weights/plate_detect.pt --rec_model weights/plate_rec.pth --image_path imgs --output result
测试文件夹imgs,结果保存再 result 文件夹中
视频测试demo 2.MP4 提取码:41aq
python detect_plate.py --detect_model weights/plate_detect.pt --rec_model weights/plate_rec.pth --video 2.mp4
视频文件为2.mp4 保存为result.mp4
-
下载数据集: datasets 提取码:pi6c 数据从CCPD和CRPD数据集中选取并转换的 数据集格式为yolo格式:
label x y w h pt1x pt1y pt2x pt2y pt3x pt3y pt4x pt4y
关键点依次是(左上,右上,右下,左下) 坐标都是经过归一化,x,y是中心点除以图片宽高,w,h是框的宽高除以图片宽高,ptx,pty是关键点坐标除以宽高
-
修改 data/widerface.yaml train和val路径,换成你的数据路径
train: /your/train/path #修改成你的路径 val: /your/val/path #修改成你的路径 # number of classes nc: 2 #这里用的是2分类,0 单层车牌 1 双层车牌 # class names names: [ 'single','double']
-
训练
python3 train.py --data data/widerface.yaml --cfg models/yolov5n-0.5.yaml --weights weights/plate_detect.pt --epoch 250
结果存在run文件夹中
-
检测模型 onnx export 检测模型导出onnx,需要安装onnx-sim onnx-simplifier
1. python export.py --weights ./weights/plate_detect.pt --img 640 --batch 1 2. onnxsim weights/plate_detect.onnx weights/plate_detect.onnx
训练好的模型进行检测
python detect_demo.py --detect_model weights/plate_detect.pt
车牌识别训练链接如下:
- 1.单行蓝牌
- 2.单行黄牌
- 3.新能源车牌
- 4.白色警用车牌
- 5.教练车牌
- 6.武警车牌
- 7.双层黄牌
- 8.双层武警
- 9.使馆车牌
- 10.港澳牌车
- 11.双层农用车牌
- 12.民航车牌
- 13.摩托车牌
- 14.危险品车牌
- NCNN NCNN
2.onnx demo,onnx模型见onnx模型,提取码:ixyr
python onnx_infer.py --detect_model weights/plate_detect.onnx --rec_model weights/plate_rec.onnx --image_path imgs --output result_onnx
3.tensorrt 部署见tensorrt_plate
4.openvino demo 版本2022.2
python openvino_infer.py --detect_model weights/plate_detect.onnx --rec_model weights/plate_rec.onnx --image_path imgs --output result_openvino
有问题可以提issues 或者加qq群:871797331 询问