/YOLOv5-LPRNet-Licence-Recognition

使用YOLOv5和LPRNet进行车牌检测+识别（CCPD数据集）

Primary LanguagePython

车牌识别项目（CCPD数据集）

这个项目是使用YOLOv5s和LPRNet对CCPD车牌进行检测和识别。之前一直在学习OCR相关的东西，就想着能不能做一个车牌识别的项目出来， 刚好车牌检测以前也做过，直接用YOLOv5就可以了。我的打算是做一个轻量级的车牌识别项目，用YOLOv5s进行车牌检测，用LPRNet进行车牌识别。

目前仅支持识别蓝牌和绿牌（新能源车牌）等**车牌。后续如果添加数据，可以再继续微调，可支持更多场景和更多类型车牌，提高识别准确率！

主要参考以下四个仓库：

  1. Github: https://github.com/ultralytics/yolov5
  2. Github: https://github.com/sirius-ai/LPRNet_Pytorch
  3. https://gitee.com/reason1251326862/plate_classification
  4. https://github.com/kiloGrand/License-Plate-Recognition

如果对YOLOv5不熟悉的同学可以先看看我写的YOLOv5源码讲解CSDN: 【YOLOV5-5.x 源码讲解】整体项目文件导航

注释版YOLOv5源码我也开源在了Github上： HuKai97/yolov5-5.x-annotations

欢迎大家star!

一、CSDN源码关键部分讲解

数据制作、训练、测试全在博客里讲的很清楚，感兴趣的可以来看看：

  1. 【YOLOV5-5.x 源码讲解】整体项目文件导航
  2. 【项目三、车牌检测+识别项目】一、CCPD车牌数据集转为YOLOv5格式和LPRNet格式
  3. 【项目三、车牌检测+识别项目】二、使用YOLOV5进行车牌检测
  4. 【项目三、车牌检测+识别项目】三、LPRNet车牌识别网络原理和核心源码解读
  5. 【项目三、车牌检测+识别项目】四、使用LPRNet进行车牌识别

二、数据集下载

直接在这里下载官方CCPD数据即可：detectRecog/CCPD

三、检测模型性能

model img_size epochs mAP_0.5 mAP_0.5:0.95 size
yolov5s 640x640 60 0.995 0.825 14M

四、识别模型性能

model 数据集 epochs acc size
LPRNet val 100 94.33% 1.7M
LPRNet test 100 94.30% 1.7M

总体模型速度：（YOLOv5+LPRNet）速度：47.6FPS（970 GPU）

五、识别效果

更多请看demo/rec_result

六、不足、更多改进空间

  1. 数据集缺点，因为算力有限，我使用的只是CCPD2019中的base部分蓝牌和CCPD2020中的全部绿牌，对于一些复杂场景，如：远距离、模糊、复杂场景雪天雨天大雾、 光线较暗/亮等等，这些其实CCPD2019中都有的，后面如果资源充足的话可以考虑重启这个项目，再优化下数据集；
  2. 数据集缺点，无法识别双层车牌
  3. 模型方面，可不可以加一些提高图像分辨率的算法，在检测到车牌区域位置，先提高车牌区域分辨率，再进行识别。
  4. 模型方面，可不可以加一些图片矫正的算法，在检测到车牌区域位置，先矫正车牌图片，再进行识别。