-
开发语言:Python3.7
-
AI框架:PaddlePaddle2.0.0
-
资源规格:GPU V100
**
**
2.打开Notebook
3.创建一个Notebook,选择Python3
第二步:上传数据集至Notebook
1.下载数据集至本地
https://aistudio.baidu.com/aistudio/datasetdetail/123686
2.上传数据集至Notebook并解压
!unzip -q /home/work/chepaishibie.zip
3.生成标签文档
-
本次使用的数据集为CCPD2019车牌数据集
-
该数据集在合肥市的停车场采集得来,采集时间早上7:30到晚上10:00。停车场采集人员手持Android POS机对停车场的车辆拍照并手工标注车牌位置。拍摄的车牌照片涉及多种复杂环境,包括模糊、倾斜、阴雨天、雪天等等。CCPD数据集一共包含将近30万张图片,每种图片大小720x1160x3。一共包含8项,具体如下:
-
CCPD数据集没有专门的标注文件,每张图像的文件名就是对应的数据标注(label)
-
- 例如:025-95_113-154&383_386&473-386&473_177&454_154&383_363&402-0_0_22_27_27_33_16-37-15.jpg 由分隔符’-'分为几个部分:
-
- 025为区域
-
95_113 对应两个角度, 水平95°, 竖直113°
-
154&383_386&473对应边界框坐标:左上(154, 383), 右下(386, 473)
-
386&473_177&454_154&383_363&402对应四个角点坐标
-
0_0_22_27_27_33_16为车牌号码 映射关系如下: 第一个为省份0 对应省份字典皖, 后面的为字母和文字, 查看ads字典.如0为A, 22为Y…
- 仅使用到数据集中正常车牌即ccpd_base的数据
import os, cv2
import random
words_list = [
“A”, “B”, “C”, “D”, “E”,
“F”, “G”, “H”, “J”, “K”,
“L”, “M”, “N”, “P”, “Q”,
“R”, “S”, “T”, “U”, “V”,
“W”, “X”, “Y”, “Z”, “0”,
“1”, “2”, “3”, “4”, “5”,
“6”, “7”, “8”, “9” ]
con_list = [
“皖”, “沪”, “津”, “渝”, “冀”,
“晋”, “蒙”, “辽”, “吉”, “黑”,
“苏”, “浙”, “京”, “闽”, “赣”,
“鲁”, “豫”, “鄂”, “湘”, “粤”,
“桂”, “琼”, “川”, “贵”, “云”,
“西”, “陕”, “甘”, “青”, “宁”,
“新”]
count = 0
total = []
paths = os.listdir(‘/home/work/chepaishibie’)#真实数据集路径
#for path in paths:
for item in os.listdir(os.path.join(‘/home/work/chepaishibie’)):#真实数据集路径
if item[-3:] ==‘jpg’:
new_path = os.path.join(‘/home/work/chepaishibie’, item) #训练图片路径的路径
_, _, bbox, points, label, _, _ = item.split(‘-’)
points = points.split(‘_’)
points = [_.split(‘&’) for _ in points]
tmp = points[-2:]+points[:2]
points = []
for point in tmp:
points.append([int(_) for _ in point])
label = label.split(‘_’)
con = con_list[int(label[0])]
words = [words_list[int(_)] for _ in label[1:]]
label = con+‘’.join(words)
line = new_path+‘\t’+‘[{“transcription”: “%s”, “points”: %s}]’ % (’ ', str(points))
line = line[:]+‘\n’
total.append(line)
random.shuffle(total)
with open(‘/home/work/data/train.txt’, ‘w’, encoding=‘UTF-8’) as f:
for line in total[:-200]:
f.write(line)
with open(‘/home/work/data/dev.txt’, ‘w’, encoding=‘UTF-8’) as f:
for line in total[-200:]:
f.write(line)
检查data下的两个txt文件
第三步:配置环境
1.升级PaddlePaddle
!pip install paddlepaddle-gpu==2.2.1.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
2.下载PaddleOCR
!git clone https://gitee.com/PaddlePaddle/PaddleOCR.git
3.下载预训练模型
cd /home/work/PaddleOCR
!wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/ch_models/ch_det_mv3_db.tar!wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/rec_mv3_tps_bilstm_attn.tar
cd pretrain_models
!tar -xf ch_det_mv3_db.tar && rm -rf ch_det_mv3_db.tar!tar -xf rec_mv3_tps_bilstm_attn.tar && rm -rf rec_mv3_tps_bilstm_attn.tar
第四步:保存Notebook并关闭、停止运行
================================================================
第一步:重新安装环境
1.启动Notebook并打开
2.重新执行以下安装命令
第二步:安装PaddleOCR相关依赖文件
1.修改requirements文件
删除opencv-contrib-python==4.4.0.46
2.执行以下两个安装命令
cd /home/work/PaddleOCR
!pip install -r requirements.txt
!pip install opencv-contrib-python==4.2.0.32
第三步:修改模型训练的yml文件
进入路径PaddleOCR/configs/det/
打开det_mv3_db.yml
1.修改模型路径和保存路径
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)
713813419648)]
[外链图片转存中…(img-Zogyz6XZ-1713813419649)]
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)