License Plate Object Detection

🚀 YOLOv8車牌檢測

本項目使用YOLOv8目標檢測模型來檢測車牌。所使用的數據集是Keremberke的車牌目標檢測數據集，並且該模型是使用Ultralytics YOLOv8框架進行訓練的。

🚀 快速開始

本項目藉助YOLOv8模型實現車牌檢測功能，以下將詳細介紹項目的安裝、數據處理及模型訓練等步驟。

✨ 主要特性

• 使用YOLOv8目標檢測模型進行車牌檢測。
• 採用Keremberke的車牌目標檢測數據集進行訓練。
• 利用Ultralytics YOLOv8框架完成模型的訓練。

📦 安裝指南

確保你已經安裝了所需的依賴項：

pip install datasets ultralytics opencv-python numpy pandas matplotlib

💻 使用示例

基礎用法

加載數據集

數據集從Hugging Face的datasets庫中加載：

from datasets import load_dataset
ds = load_dataset("keremberke/license-plate-object-detection", "full")

該數據集被劃分為：

• 訓練集
• 驗證集
• 測試集

數據預處理

• 從數據集中提取圖像並保存到本地。
• 將邊界框標註轉換為YOLO格式（歸一化座標）。
• 數據集的結構如下：

dataset/
├── images/
│   ├── train/
│   ├── val/
├── labels/
│   ├── train/
│   ├── val/

模型訓練

在數據集上對預訓練的YOLOv8模型（yolov8n.pt）進行微調：

from ultralytics import YOLO

model = YOLO('yolov8n.pt')  # 加載一個小型的YOLOv8模型
results = model.train(data="dataset.yaml", epochs=75, imgsz=640, batch=16)

高級用法

訓練配置

• 訓練輪數：75
• 圖像尺寸：640x640
• 批量大小：16

📚 詳細文檔

數據集

本項目使用的數據集是從Hugging Face的datasets庫中加載的keremberke/license-plate-object-detection。該數據集包含了用於車牌檢測的圖像和對應的標註信息，並且被劃分為訓練集、驗證集和測試集。

數據預處理

在訓練模型之前，需要對數據進行預處理。具體步驟包括從數據集中提取圖像並保存到本地，將邊界框標註轉換為YOLO格式（歸一化座標），以及將數據集按照特定的目錄結構進行組織。

模型訓練

使用預訓練的YOLOv8模型（yolov8n.pt）在數據集上進行微調。訓練過程中，可以根據需要調整訓練輪數、圖像尺寸和批量大小等參數。

📄 許可證

本項目採用Apache-2.0許可證。