2022.12.04 Vérifiez ensemble le véhicule et la plaque d'immatriculation pour voir le système de véhicule ici
Détection de la plaque d'immatriculation YOLOV8 + Identification
Détection de la plaque d'immatriculation YOLOV7 + Identification
Android NCNN
Le modèle est formé à partir de l'ensemble de données publics et nécessite un modèle avec une précision plus élevée, ou veuillez ajouter V pour la coopération commerciale.
Peut faire des diplômes et des cours des étudiants, etc.
WeChat: WE0091234 (Notez le but de la visite)
Exigences de l'environnement: Python> = 3,6 Pytorch> = 1,7
Exécutez Detect_plate.py directement ou exécutez la ligne de commande suivante:
python detect_plate.py --detect_model weights/plate_detect.pt --rec_model weights/plate_rec_color.pth --image_path imgs --output result
Test du dossier IMGS, enregistrez le résultat, puis entrez le dossier de résultat
python detect_plate.py --detect_model weights/plate_detect.pt --rec_model weights/plate_rec_color.pth --video 2.mp4
Le fichier vidéo est 2.mp4 et l'enregistrer sous le résultat.mp4
Le lien de formation de détection des plaques d'immatriculation est le suivant:
Formation d'inspection des plaques d'immatriculation
Le lien de formation de reconnaissance des plaques d'immatriculation est le suivant:
Formation de reconnaissance de la plaque d'immatriculation

1. Android ncnn
2. ONNX Demo Baidu Network Disk: K874
python onnx_infer.py --detect_model weights/plate_detect.onnx --rec_model weights/plate_rec_color.onnx --image_path imgs --output result_onnx
3. Voir Tensorrt_Plate pour le déploiement de Tensorrt
4. OpenVino Demo version 2022.2
python openvino_infer.py --detect_model weights/plate_detect.onnx --rec_model weights/plate_rec.onnx --image_path imgs --output result_openvino
Groupe QQ: 769809695 (nouvellement ouvert dans le troisième groupe) 871797331 (complet) 837982567 (le deuxième groupe est plein)