基于yolov5和LPRNet车牌识别项目

项目大概分为两部分，首先使用yolov5进行目标检测并截图；然后对图片一系列的处理后使用LPRNet进行字符识别

yolov5检测部分

环境搭建

1.首先在官网下载源码并解压。
2.下载anaconda并创建虚拟环境：
官网下载安装包后进行安装，注意安装过程中添加环境变量到path要yes。然后创建虚拟环境conda create -n abc python=3.7（这里abc是环境名称，可以自己取）；进入环境，linux用命令：conda activate abc，windows用命令：activate abc。
3.在yolov5目录下打开终端，输入命令：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple自动安装yolov5所需环境，一般来说会遇到一些错误，兵来将挡水来土掩，报什么错就解决什么问题（有问题也可以评论或私信）。

数据处理

1.数据集标定，要是有自己的数据集可以自己标定，这里我已经整理了一部分质量较高的数据集且标定好了，可以直接使用。创建一个文件夹dataset用来存放数据集，结构如下，分为训练集和训练集，训练集当中分为images和labels分别存放图片和对应的标签。可以使用labelme或者labelimg进行画标注框生成label，用labelme只能生成json格式，需要转darknet格式，参考我之前写的博文进行转换。

├── dataset
	└── train
		└── images
		└── labels
	└──test
		└── images
		└── txt

如果测试集仅仅大概的看检测效果而不计算map的话可以不用txt标签，只要一个images即可，若要计算map，参考另一篇博文。

2.创建数据的配置文件，在data目录下创建license.yaml。可以参考我的yaml文件的内容格式：

# YOLOv5 🚀 by Ultralytics, GPL-3.0 license
# COCO128 dataset https://www.kaggle.com/ultralytics/coco128 (first 128 images from COCO train2017) by Ultralytics
# Example usage: python train.py --data coco128.yaml
# parent
# ├── yolov5
# └── datasets</