Yolov3_LPRnet_pytorch

(Если вы используете git для загрузки и сталкиваетесь с ошибками, вы можете выбрать стороннее программное обеспечение dev-sidecar для ускорения загрузки -- https://gitee.com/interesting-goods/dev-sidecar?_from=gitee_search)

Адрес репозитория на gitee: https://gitee.com/wucaip/Yolov3_LPRnet_pytorch

1. Реальное время распознавание номерных знаков с использованием Yolov3 и LPRnet

В этом проекте Yolov3 используется в качестве детектора, а LPRnet — в качестве модели распознавания номерных знаков. Это позволяет реализовать модель для реального времени распознавания номерных знаков. В проекте используется оригинальная сеть LPRnet для распознавания номерных знаков.

2. Описание набора данных

В этом проекте используется набор данных ccpd_base из CCPD2019 для обучения. Поэтому модель может распознавать только синие номерные знаки Китая.

3. Предсказание модели

1. Скачайте модель (скачайте и распакуйте, затем поместите в папку model_data)

Ссылка: https://pan.baidu.com/s/1sARkEgcWt4tpatAqGLXWEA Код для извлечения: 6eu6

2. Введите командную строку, запустите predict.py для предсказания

python predict.py

Введите адрес изображения для предсказания: img/test.jpg

Исходное изображение

Изображение после распознавания

## 4. Обучение модели

1. Скачайте набор данных, распакуйте и скопируйте папку CCPD2019 в папку CCPD2019 текущего проекта

Ссылка: https://pan.baidu.com/s/1QdNG-iqIhZzSWdlOvS9gxQ Код для извлечения: ymd3

2. Распакуйте метки

Распакуйте label.zip в папке CCPD2019

3. Скачайте модель (скачайте и распакуйте, затем поместите в папку model_data)

Ссылка: https://pan.baidu.com/s/1sARkEgcWt4tpatAqGLXWEA Код для извлечения: 6eu6

4. Запустите скрипт для обучения

python train.py

5. Описание директорий проекта

Проект:

│ predict.py # Скрипт предсказания

│ README.md

│ requirements.txt # Необходимые библиотеки для проекта

│ train.py # Скрипт обучения

│ voc_annotation.py # Скрипт для работы с набором данных VOC

│

├─img

│ test.jpg

│

├─model_data

│ ep010-loss1.900-val_loss1.586.pth # модель сети yolo

│ Final_LPRNet_model.pth # модель сети LPRNet

│ simhei.ttf # файл шрифта для предсказания рамок

│ my_classes.txt # текстовый файл с видами данных

│ yolo_anchors.txt # файл с anchor'ами

├─CCPD2019

│ transformer.py # скрипт для генерации меток CCPD2019

│

├─nets

│ │ darknet.py # основная сеть yolo

│ │ loss.py # скрипт с функцией потерь yolo

│ │ yolonet.py # полная сеть yolo

├─LPRNet

│ │ LPRNet.py # основная сеть для распознавания номерных знаков

│

└─utils

│  dataloader.py    # скрипт для загрузки данных и предварительной обработки

│  predict_yolo.py  # скрипт для предсказания модели yolo    │  predict_LPRNet.py # скрипт для предсказания модели распознавания номерных знаков

│  utils.py          # скрипт с функциями, необходимыми для проекта

│  utils_bbox.py     # скрипт с функциями декодирования предсказанных рамок и nms

│  utils_fit.py      # скрипт для обучения

Шесть. Необходимо улучшить

• Использовать полный набор данных CCPD2019 и набор данных CCPD2020 для обучения
• Перетренировать сеть LPRnet с использованием наборов данных CCPD2019 и CCPD2020

Семь. Ссылки

1. https://github.com/sirius-ai/LPRNet_Pytorch
2. https://github.com/bubbliiiing/yolo3-pytorch