基于yolov5的国外车牌检测的练习（包罗样本：练习9097样本测试1019样本，检测种别1类）

搭建练习的环境参考yolo的官网:https://github.com/ultralytics/yolov5
获取工程可以从yolo的官方网站获取大概直接从跟本人的网盘获取（非免费介意误下载）：无需设置练习的数据解和下载数据，搭建好练习环境后就可以利用本工程直接练习三轮车的检测：链接: https://pan.baidu.com/s/1y5IAYh_qPVdKxWBDW3fexQ 提取码: k2xh ( 内部包罗修改后的工程和练习用的数据集：练习9097样本测试1019样本，练习好的模子可以直接利用哦 ）
预备好数据后设置文件coco.yaml

1. # class names
2. names: ['License Plate']
4. # number of classes
5. nc: 1
7. # train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
8. train: classself/coco/train2017.txt  # 118287 images
9. val: classself/coco/val2017.txt  # 5000 images
10. test: classself/coco/test-dev2017.txt  # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

复制代码

预备好数据后设置文件yolov5s_self.yaml

1. path: classself/coco
2. train: train2017.txt
3. val: val2017.txt
4. names:
5.     0: License Plate

复制代码

开始练习

1. #训练
2. python train.py --data classself/coco/coco.yaml --weights '' --cfg models/yolov5s_self.yaml --img 640 --workers 0 --device 0
3. #断点续训
4. python  train.py  --resume  runs/exp/weights/last.pt
5. python  train.py  --resume

复制代码

练习模子生存路径

测试

1. python detect.py --source data/images --weights runs/train/exp/weights/best.pt

复制代码

测试结果路径

测试结果：

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。