yolov11-lprnet-ccpd

KO | EN

gitlite — search

#javascript #typescript #llm #golang #machine-learning #deep-learning #nodejs #awesome #cli #awesome-list #security #pytorch #openai #open-source

yolov11-lprnet-ccpd

(★ 9)

本项目基于CCPD数据集训练YOLOv11-pose车牌角点检测模型和LPRnet车牌字符识别模型，实现端到端车牌识别。同时还提供推理脚本与预训练权重，并有详细的文档指导训练。

yolov11-lprnet-ccpd 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# YOLOv11-LPRNet 中文车牌识别

基于 **YOLOv11-pose** 与 **LPRNet** 的两阶段中文车牌识别系统：先检测车牌框与四角点，再透视矫正后送入 LPRNet 进行字符序列识别。

---

## 主要数据集：CCPD

本项目使用 **CCPD**（Chinese City Parking Dataset，ECCV 2018 公开）作为主要数据集。CCPD 包含超过 **30 万张**真实停车场场景图像，涵盖模糊、倾斜、旋转、暗光、雨雪、遮挡、新能源绿牌等多种复杂条件。每张图仅包含一个车牌，标注（边界框、四顶点、车牌号等）均编码在**文件名**中，便于解析。

子集划分：

- **CCPD-Base**：用于训练与验证
- **CCPD-DB / Blur / FN / Rotate / Tilt / Challenge**：用于测试泛化能力
- **CCPD-Green**：新能源 8 位绿牌（2020 新增）

下载：<https://github.com/detectRecog/CCPD>

---

## 流程概览

```
输入图像 → YOLOv11-pose（bbox + 4 keypoints）
        → 透视变换
        → LPRNet 字符识别
        → 车牌文本
```

---

## 项目结构

```
yolov11-LPRnet/
├── README.md
├── CONTRIBUTING.md
├── LICENSE
├── requirements.txt              # 根目录依赖
│
├── yolov11-pose/                 # 阶段一：车牌检测 + 关键点
│   ├── datasets/CCPD/            # CCPD 原始数据（需自行下载）
│   │   ├── train/images, labels
│   │   ├── val/images, labels
│   │   └── test/images, labels
│   ├── configs/data.yaml
│   ├── src/train.py
│   ├── src/utils/                # ccpd2pose, data_check, visualize_labels
│   └── weights/                  # yolo11s-pose.pt 预训练
│
├── LPRnet/                       # 阶段二：字符识别
│   ├── datasets/CCPD_LPRNet/     # 矫正后 94×24 车牌图（由 preprocess_ccpd 生成）
│   │   ├── images/{train,val,test}
│   │   ├── labels/{train,val,test}
│   │   └── characters_list.txt   # 字符集（由 generate_labels 自动生成）
│   ├── src/train.py, test.py, model.py
│   └── src/utils/                # preprocess_ccpd, generate_labels, data_loader, decoder
│
└── inference/                    # 推理 Pipeline
    ├── plate_recognition_pipeline_demo.py   # 端到端检测 + 矫正 + 识别
    └── weights/                  # 训练好的权重（本仓库已提供）
        ├── yolov11-pose.pt
        └── LPRnet.pt
```

---

## 训练数据规模

| 模块 | 训练集 | 验证集 | 测试集 |
|------|--------|--------|--------|
| YOLOv11-pose | 221900 | 32020 | 67018 |
| LPRNet | 80000 | 10000 | 20000 |

---

## 如何开始训练

### 1. 克隆项目并准备环境

```bash
git clone https://github.com/Auroral0810/yolov11-LPRnet.git
cd yolov11-LPRnet

# 创建并激活虚拟环境（示例：conda）
conda create -n lpr python=3.10
conda activate lpr

# 安装依赖
pip install -r requirements.txt
```

### 2. 下载 CCPD 数据集

将 CCPD 数据集解压到 `yolov11-pose/datasets/CCPD` 目录下，并组织为 `train/images`、`train/labels`、`val/`、`test/` 结构。

### 3. 训练 YOLOv11-pose

按 [yolov11-pose/README.md](yolov11-pose/README.md) 完成数据转换（ccpd2pose、data_check）后，执行：

```bash
cd yolov11-pose/src
python train.py --data ../configs/data.yaml --epochs 30 --batch 64
```

训练完成后，将 `runs/pose/license_plate_pose/weights/best.pt` 复制到 `inference/weights/yolov11-pose.pt`。

### 4. 训练 LPRNet

按 [LPRnet/README.md](LPRnet/README.md) 完成数据预处理（preprocess_ccpd、generate_labels）后，执行：

```bash
cd LPRnet/src
python train.py --data-root /path/to/CCPD_LPRNet --epochs 150 --batch-size 1024
```

训练完成后，将 `weights/best.pt` 复制到 `inference/weights/LPRnet.pt`。

### 5. 使用 Pipeline 进行端到端测试

本仓库已在 `inference/weights/` 下提供训练好的两个权重。可直接运行 Pipeline：

```bash
cd inference
python plate_recognition_pipeline_demo.py
```

在脚本中修改 `IMAGE_PATH` 和 `OUTPUT_DIR`，可对任意图片进行检测 → 矫正 → 识别。

**说明**：LPRNet 的字符集（`characters_list.txt`）由 `generate_labels.py` 根据 CCPD 文件名中的编码自动生成，无需手动配置。

---

## 训练指标

### YOLOv11-pose

| 指标 | 最优值 |
|------|--------|
| precision(B) | 0.99581 |
| recall(B) | 0.99101 |
| mAP50(B) | 0.99424 |
| mAP50-95(B) | 0.78494 |
| precision(P) | 0.99007 |
| recall(P) | 0.98753 |
| mAP50(P) | 0.99224 |
| mAP50-95(P) | 0.98149 |

### LPRNet

| 指标 | 值 |
|------|-----|
| best_val_acc | 0.9537 |
| total_epochs | 126 |
| total_time_min | 39.9 |
| 训练配置 | epochs=150, batch_size=1024, lr=0.009, dropout=0.5, patience=20 |

---

## 贡献

欢迎通过以下方式参与贡献：

- 文档完善
- 在更大规模数据集上训练与评估
- 引入或适配不同模型（检测、识别）
- 代码结构优化与重构

详见 [CONTRIBUTING.md](CONTRIBUTING.md)。

---

## 许可证

本项目采用 MIT 许可证。详见 [LICENSE](LICENSE) 及仓库：[https://github.com/Auroral0810/yolov11-LPRnet](https://github.com/Auroral0810/yolov11-LPRnet)。

yolov11-lprnet-ccpd

yolov11-lprnet-ccpd 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

yolov11-lprnet-ccpd

yolov11-lprnet-ccpd 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README