开源车牌数据集CCPD介绍

传统车牌检测和识别都是在小规模数据集上进行实验和测试，所获得的算法模型无法胜任环境多变、角度多样的车牌图像检测和识别任务。为此，中科大团队建立了CCPD数据集，这是一个用于车牌识别的大型国内停车场车牌数据集，该团队同时在ECCV2018国际会议上发表论文Towards End-to-End License Plate Detection and Recognition: A Large Dataset and Baseline， 论文和数据集下载地址：https://github.com/detectRecog/CCPD。

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：

类型	图片数	说明
ccpd_base	199998	正常车牌
ccpd_challenge	10006	比较有挑战性的车牌
ccpd_db	20001	光线较暗或较亮
ccpd_fn	19999	距离摄像头较远或较近
ccpd_np	3036	没上牌的新车
ccpd_rotate	9998	水平倾斜20-50°，垂直倾斜-10-10°
ccpd_tilt	10000	水平倾斜15-45°，垂直倾斜15-45°
ccpd_weather	9999	雨天、雪天或者雾天的车牌
总共：283037张车牌图像

部分照片示例如下：

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....

具体的，省份对应标签如下：

{
  "皖": 0,
  "沪": 1,
  "津": 2,
  "渝": 3,
  "冀": 4,
  "晋": 5,
  "蒙": 6,
  "辽": 7,
  "吉": 8,
  "黑": 9,
  "苏": 10,
  "浙": 11,
  "京": 12,
  "闽": 13,
  "赣": 14,
  "鲁": 15,
  "豫": 16,
  "鄂": 17,
  "湘": 18,
  "粤": 19,
  "桂": 20,
  "琼": 21,
  "川": 22,
  "贵": 23,
  "云": 24,
  "藏": 25,
  "陕": 26,
  "甘": 27,
  "青": 28,
  "宁": 29,
  "新": 30
}

字母和数字对应的标签如下：

{
  "a" : 0,
  "b" : 1,
  "c" : 2,
  "d" : 3,
  "e" : 4,
  "f" : 5,
  "g" : 6,
  "h" : 7,
  "j" : 8,
  "k" : 9,
  "l" : 10,
  "m" : 11,
  "n" : 12,
  "p" : 13,
  "q" : 14,
  "r" : 15,
  "s" : 16,
  "t" : 17,
  "u" : 18,
  "v" : 19,
  "w" : 20,
  "x":  21,
  "y" : 22,
  "z" : 23,
  "0" : 24,
  "1" : 25,
  "2" : 26,
  "3" : 27,
  "4" : 28,
  "5" : 29,
  "6" : 30,
  "7" : 31,
  "8" : 32,
  "9" : 33
}