本文主要是介绍基于yolov5s的车牌遮挡与污损检测,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
文章目录
- 1. 车牌样例
- 1.1 正常车牌
- 1.2 遮挡车牌
- 2. 检测模型
- 2.1 数据集
- 2.2 模型训练
- 3. 检测结果
- 3.1 正常车牌结果
- 3.2 遮挡车牌结果
1. 车牌样例
1.1 正常车牌
正常车牌样本为从网上爬取下来的未遮挡车牌和从CCPD数据集中补充的部分样本,包括普通蓝色车牌和新能源车牌。
1.2 遮挡车牌
遮挡车牌为人为故意遮挡的车牌、被雨雪泥土遮挡的车牌以及破损的车牌等。
2. 检测模型
2.1 数据集
选择yolov5s模型,将目标分为两类:正常车牌和遮挡车牌。共爬取3885张数据进行标记,3000张放到训练集,885张放入验证集。为保证正负样本的平衡,从CCPD训练集中补充2000张图片放入训练集,CCPD验证集中补充600张到验证集。数据分布如下图所示:
2.2 模型训练
共训练50个epoch,验证集0.5mAP为:91.8%,0.5:0.95mAP为74.7%,车牌类别mAP为:98.0%,遮挡类别mAP为:85.7%。
P | R | mAP@0.5 | mAP@0.5:0.95 | |
---|---|---|---|---|
all | 0.763 | 0.928 | 0.918 | 0.747 |
license | 0.839 | 0.974 | 0.980 | 0.807 |
occlude | 0.687 | 0.881 | 0.857 | 0.687 |
3. 检测结果
车牌遮挡的检测结果如下图所示:
3.1 正常车牌结果
3.2 遮挡车牌结果
这篇关于基于yolov5s的车牌遮挡与污损检测的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!