detect_plate/readme

车牌检测训练

1. 下载数据集： 数据集可以联系vx获取：we0091234
   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

   自己的数据集可以通过lablme 软件,create polygons标注车牌四个点即可，然后通过json2yolo.py 将数据集转为yolo格式，即可训练

2. 修改 data/widerface.yaml train和val路径,换成你的数据路径

   train: /your/train/path #修改成你的训练集路径
   val: /your/val/path     #修改成你的验证集路径
   # 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']
   
   

3. 训练

   python3 train.py --data data/widerface.yaml --cfg models/yolov5n-0.5.yaml --weights weights/plate_detect.pt --epoch 120
   

   结果存在run文件夹中

onnx export

1. 检测模型导出onnx,需要安装onnx-sim onnx-simplifier

   python export.py --weights ./weights/plate_detect.pt --img_size 640 --batch_size 1
   onnxsim weights/plate_detect.onnx weights/plate_detect.onnx