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

测试demo: 以yolov7-lite-s 为例:

python detect_rec_plate.py --detect_model weights/yolov7-lite-s.pt  --rec_model weights/plate_rec.pth --source imgs --output result

测试文件夹imgs，结果保存再 result 文件夹中

1. 下载数据集： 联系本人获取 联系方式最下面 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

2. 修改 data/plate.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']
   
   

3. 训练 以yolov7-lite-s 为例:

   python train.py  --batch-size 32 --data data/plate.yaml --img 640 640 --cfg cfg/yolov7-lite-s.yaml --weights weights/yolov7-lite-s.pt --name yolov7 --hyp data/hyp.face.yaml
   

   结果存在run文件夹中

车牌识别训练链接如下：

车牌识别训练

支持如下：

• onnx导出与推理
• tensorrt推理
• NCNN推理

• https://github.com/derronqi/yolov7-face
• https://github.com/qinggangwu/yolov7-pose_Npoint_Ncla
• https://github.com/WongKinYiu/yolov7
• https://github.com/TexasInstruments/edgeai-yolov5/tree/yolo-pose
• https://github.com/WongKinYiu/yolov7/tree/pose

有问题添加微信: we0091234（注明来意）

或者加qq群:823419837(已满) 请加 837982567（二群） 询问