yolov3_tiny+车牌识别 tensorflow1.x实现（适合新手，全程教学）

最新推荐文章于 2021-09-24 19:48:21 发布
最新推荐文章于 2021-09-24 19:48:21 发布
阅读量536 收藏 11
点赞数 4
分类专栏： tensorflow 文章标签： tensorflow 深度学习 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40214464/article/details/117394416
版权

0 代码和数据集下载

网址：https://download.csdn.net/download/qq_40214464/19159417
在这里插入图片描述

1 环境配置

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

二 框架介绍

在这里插入图片描述

三 数据集制作

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

四 模型训练

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

五

、模型测试
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

行码阁119
关注
  • 4
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
YOLOv4_车牌号检测.zip
09-06
以下4个py文件需要单独运行： 首先运行annotation.py文件：将CCPD数据集进行划分，生成.txt路径文件存储到model_data文件夹中。 然后运行k_means_calculate.py文件：计算生成anchors数值，存储到model_data文件夹中。 再然后运行train.py文件：加载原始权重，训练YOLOv4模型，并将每轮训练的结果存储进Logs文件夹中。 最后运行yolo_predict.py文件：载入训练好的YOLOv4权重，对测试集数据进行检测，检测结果存放入demo文件夹中。 算法效果：---------------------------------------------------------------------- YOLOv4每张图片检测耗时323.8ms，精度较高，训练40 epoch左右后val loss降低至0.3附近，效果非常满意。 训练过程中random数据增强非常重要，可大幅提升模型性能，进一步降低val loss。
基于 YOLO 的车牌检测与识别
小白学视觉
02-25 5761
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达导读本文将重点介绍 ALPR 的端到端实现。它将侧重于两个过程：车牌检测和检测到的车牌的 OCR。（公众号：OpenCV与AI深度学习）背景介绍 深度学习一直是现代世界发展最快的技术之一。深度学习已经成为我们日常生活的一部分，从语音助手到汽车自动驾驶，它无处不在。其中一项应用是自动车牌识别 (ALPR)。顾名思义，ALP...
零基础入门darknet-YOLO3或YOLOv3-Tiny模型训练
hlm15的专栏
08-03 3072
前言：有兴趣的可以先查看官网主页。接下来从零开始实现自己的一个简单demo：自动识别库里和杜兰特，从而入门darknet-YOLO3世界。总体来说，分为如下步骤： 数据集构建，训练模型，测试模型，评估模型。 一. 数据集构建 1. 收集图片与编号 这里的图片是从网上下载库里和杜兰特的图片。为了规划数据，减少出错的可能性，先给自己的图片编一个合理的序号，比如0001~0999。由于时间原因，只下载了68张图片，当然，这些数据对于训练一个很好的模型是远远不够的。 2. 标注数据 windows下lab
YOLOv4官方改进版来了！指标炸裂55.8% AP！Scaled-YOLOv4：扩展跨阶段局部网络
3D视觉工坊
11-19 2403
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达YOLOv4-large在COCO上最高可达55.8 AP！速度也高达15 FPS！YOLOv4-tiny的模型实现了1774 F...
使用Darknet yolov3进行车牌识别
热门推荐
qq_35554040的博客
04-08 1万+
项目地址:https://github.com/Feeyao/License-plate-recognition 1. 从https://pjreddie.com/darknet/yolo/官网可以看到yolov3-tiny在GPU模式下可以高达220FPS. 可以说非常快. 因此完全可以满足车牌识别实时性的要求. 2. 和一般检测任务一样, 主要用到下面几个目录. 3. JPEG...
基于Pytorch的YOLO-v3-tiny实现代码
10-24
基于Pytorch0.4的YOLO-v3-tiny实现代码，可直接调用摄像头实现目标检测的运行，改代码基于coco数据集，可检测出80个类。
Yolov3 和 Yolov3-tiny目标检测算法理论与实现（TensorFlow2）
__不想写代码__的博客
09-24 9935
文章目录前言一、Yolov3 和 Yolov3-tiny二、使用步骤1.引入库2.读入数据总结 前言 上一篇文章 神奇的目标检测 已经介绍了目标检测的基础啦。目标检测呢，就是在图片中定位出目标的位置，把它“框”出来就好了。本篇文章使用Yolov3 和Yolov3-tiny，以训练VOC2007和口罩检测为例。教大家如何快速的搭建自己的目标检测平台。下面是资源链接： 内容 链接 VOC2007 数据集 链接 戴口罩数据集 链接 权重文件 链接 提取码：y32m github
量化yolov3tiny 基于tensorflow lite
edward_zcl的博客
05-28 3913
最近小导师也是突发奇想，居然想做深度学习检测网络的二值化，我认为这种类型要求定位精准，定位细致的网络，定点化尚且还行，二值化恐怕是不可行的。 没办法，他扔出一个链接给师弟，师弟又扔给我，我也是醉了，自己都不知道是啥就瞎塞给学生。 首先申明一下，这是一篇有关于量化(定点化是特殊的一种量化方式)，网络模型压缩，可以分为量化与剪枝两大类。 首先给出一个github链接：https://github.co...
Yolov3开源代码解析-Tensoflow1.x
XUIcsdn的博客
06-03 571
Yolov3开源代码解析 Tensoflow1.x
yolov3 python_TensorFlow的YOLOv3和YOLOv3_tiny
weixin_39845613的博客
02-22 237
git clone https://github.com/Huangdebo/YOLOv3_tiny_TensorFlow.git11.简介添加YOLOv3_tiny和数据增强(剪切，变亮，更改饱和度)2.要求tensorflow> = 1.8.0(更低版本也可以工作)OpenCV的Python3.运行演示(1)使用ckpt文件的单图像测试演示：python test_single_imag...
基于YOLOv3算法的车牌识别算法-机器视觉.pdf
02-14
机器视觉算法；YOLOv3；深度学习；机器学习；
yolov3模型训练-车牌识别数据集
10-10
本数据集用于新手快速学习模型训练过程。（该数据集图片较少，训练出模型后识别准确率低，但可测试原数据集内图片。
yolov3_tiny-车牌识别.rar
05-28
yolov3_tiny tensorflow1.x实现，由于框架小，也可用CPU来跑，GPU也可以跑，GPU对应版本：1.x系列都可以+完整教程：车牌识别（PDF版本）+车牌数据集（标签为.xml文件），标签纯手工打造，共202张图片，跑出来测试集map95%。
python + opencv + yolov3 车牌识别
02-27
使用yolov3 检测汽车，确定汽车位置 在汽车中检测车牌确定位置
车牌识别（基于yolov5）
03-12
yolov5的车牌识别源码，可直接使用，用于项目中。
yolo实现车辆识别
11-04
利用yolo实现简单的车辆识别，从随机初始化的权重训练一个YOLO模型是非常重要的，需要大量的数据集和大量的计算资源，所以我们在这个练习中使用了预训练的模型参数。你也可以尝试用自己的数据集对YOLO模型进行微调。
利用yolov3训练自己的数据集（以框取车牌为例）
04-29
一个小的数据集包含了882张汽车的图片（车牌较为清晰），其中153张图片打了标签，生成了xml文件
自动牌照识别：使用YOLOv4，Darknet，Tensorflow Lite进行交通违规管理的自动牌照识别
02-04
自动车牌识别 :India: 表中的内容 演示版 总览 这是一个分为四个阶段的对象检测项目，主要致力于检测车辆的车牌，从而读取车牌号并将其保存在文本文件中，以供有关当局使用。该深度学习项目使用YOLOv4（您只看一次）作为神经在名为Darknet的框架之上构建的网络架构，然后使用Tensorflow Lite进行部署准备就绪，使其兼容在各种边缘设备中使用，例如android，iOS，树莓派等。 动机 由于许多实际应用，例如自动收费，交通执法，私人空间出入控制和道路交通监控，自动车牌识别（ALPR）一直是研究的一个频繁主题。 ALPR系统通常分为三个阶段：车牌（LP）检测，字符分割和字符识别。 较早的阶
yolov3-tiny.weights.tar.gz
05-09
yolov3(pytorch)训练自己的数据集可参看本人blog。要使用的预训练权重：yolov3-tiny.weights
解释这段代码：python test.py --task test --weights runs/train/exp_my_yolov7_tiny_epoch150/weights/best.pt --device 0 --name exp_my_yolov7_tiny nohup python test.py --task test --weights runs/train/exp_my_yolov7_tiny_epoch150/weights/best.pt --device 0 --name exp_my_yolov7_tiny > my_train_yolov7-tiny_epoch150_test_log.txt 2>&1 & python detect.py --weights runs/train/exp_my_yolov7_tiny_epoch150/weights/best.pt --device 0 --name exp_my_yolov7_tiny
最新发布
04-21
这段代码是运行一个 Python 脚本 test.py，使用指定参数 task, weights, device 和 name 进行模型测试。其中，--task test 表示执行测试任务，--weights 指定使用的权重文件，--device 0 表示使用的设备编号为 0，--name exp_my_yolov7_tiny 为模型的名称。第一行代码只是简单地执行测试任务，第二行代码则将输出结果保存在 my_train_yolov7-tiny_epoch150_test_log.txt 文件中，标准错误输出则被重定向到次要输出文件。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值