Yolov3_LPRnet_pytorch

(如果你使用git下载总是报红，你可以选择下载dev-sidecar编程软件加速下载--https://gitee.com/interesting-goods/dev-sidecar?_from=gitee_search)

国内gitee仓库地址： https://gitee.com/wucaip/Yolov3_LPRnet_pytorch

一、基于yolov3的LPRnet车牌识别

以yolov3作文检测器、LPRnet作为识别模型，实现了实时车牌车牌识别模型。本项目直接使用LPRnet原始的网络作为车牌识别模型。

二、数据集介绍

本项目使用的是CCPD2019数据集中的ccpd_base常用车牌数据集作为训练集，所以只能识别蓝底的中国车牌。

三、模型预测

1.下载模型（下载解压，放在model_data文件夹中）

链接：https://pan.baidu.com/s/1sARkEgcWt4tpatAqGLXWEA 提取码：6eu6

2.CMD进入命令行模式，运行 predict.py 预测脚本

python  predict.py

输入预测图片的地址: img/test.jpg

原始图片

识别后的图片

四、检测模型训练

1.下载数据集，并解压后，将CCPD2019文件夹整个文件复制到本目录的CCPD2019中

链接：https://pan.baidu.com/s/1QdNG-iqIhZzSWdlOvS9gxQ 提取码：ymd3

2.解压标签

解压CCPD2019中的lable.zip脚本

3.下载模型（下载解压，放在model_data文件夹中）

链接：https://pan.baidu.com/s/1sARkEgcWt4tpatAqGLXWEA 提取码：6eu6

4.运行训练脚本

python train.py

五、目录介绍

Project:

│ predict.py # 预测脚本

│ README.md

│ requirements.txt # 本项目所需要的库

│ train.py # 训练脚本

│ voc_annotation.py # 对Voc数据集预测里脚本

│

├─img

│ test.jpg

│

├─model_data

│ ep010-loss1.900-val_loss1.586.pth # yolo网络模型

│ Final_LPRNet_model.pth # LPRNet网络模型

│ simhei.ttf # 预测画框的字体文件

│ my_classes.txt # 数据集种类文本

│ yolo_anchors.txt # anchor文件

├─CCPD2019

│ transformer.py #CCPD2019生成标签的脚本

│

├─nets

│ │ darknet.py # yolo骨干网络

│ │ loss.py # yolo的损失函数脚本

│ │ yolonet.py # yolo整体网络

├─LPRNet

│ │ LPRNet.py # 车牌识别骨干网络

│

└─utils

│  dataloader.py    # 加载数据集以及预处理脚本

│  predict_yolo.py  # yolo模型预测函数脚本

│  predict_LPRNet.py# 车牌识别模型预测函数脚本

│  utils.py         # 真个项目需要用到的函数脚本

│  utils_bbox.py    # 模型预测的预测框解码以及nms函数脚本

│  utils_fit.py     # 训练函数脚本

六、待改进

• 使用CCPD2019全部数据集+CCPD2020数据集进行训练
• 使用CCPD2019+CCPD2020数据集重新训练LPRnet网络

七、参考

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