2024年Python最全记录：百度3天AI进阶实战营——车牌识别

**

**

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:
• 1. 025为区域

2. 95_113 对应两个角度, 水平95°, 竖直113°

3. 154&383_386&473对应边界框坐标:左上(154, 383), 右下(386, 473)

4. 386&473_177&454_154&383_363&402对应四个角点坐标

5. 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

Day02

================================================================

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

感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！