Bootstrap

基于yolov5s的车牌遮挡与污损检测

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。

在这里插入图片描述在这里插入图片描述

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。

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

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:
在这里插入图片描述

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%。
在这里插入图片描述

PR[email protected][email protected]:0.95
all0.7630.9280.9180.747
license0.8390.9740.9800.807
occlude0.6870.8810.8570.687

在这里插入图片描述

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

在这里插入图片描述在这里插入图片描述

3.2 遮挡车牌结果

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
;