Yolov11 License Plate Detection

🚀 YOLOv11-車牌檢測

這是YOLOv11（n、s、m、l、x）的微調版本，專門用於車牌檢測，使用了來自Roboflow Universe的公共數據集： 車牌識別數據集（10,125張圖像）

🚀 快速開始

用例

• 智能停車系統
• 收費站/門禁自動化
• 交通監控與執法
• 集成OCR的自動車牌識別

✨ 主要特性

• 基於YOLOv11進行微調，針對車牌檢測任務進行了優化。
• 提供多種模型變體，支持不同的使用場景。

📦 安裝指南

文檔未提及具體安裝步驟，可參考Ultralytics官方文檔進行安裝。

💻 使用示例

基礎用法

from ultralytics import YOLO
model = YOLO('yolov11x-license-plate.pt')
results = model.predict(source='image.jpg')

📚 詳細文檔

🏋️ 訓練詳情

• 基礎模型：YOLOv11 (n, s, m, l, x)
• 訓練輪數：300
• 輸入尺寸：640x640
• 優化器：SGD（Ultralytics默認）
• 設備：NVIDIA A100
• 數據格式：與YOLOv5兼容（圖像 + txt格式的標籤）

📊 評估指標（YOLOv11x）

如需查看所有模型（n到x）的完整表格，請參閱README

📦 模型變體

• PyTorch (.pt) — 用於Ultralytics命令行界面和Python API
• ONNX (.onnx) — 用於跨平臺推理

📄 許可證

• 基礎模型（YOLOv11）：由Ultralytics發佈的AGPLv3許可證。
• 數據集：由Roboflow Universe發佈的CC BY 4.0許可證。
• 此模型：AGPLv3（由於繼承了YOLOv11的許可證）

✅ 許可證合規提醒

根據AGPLv3許可證：

• 如果你在服務或項目中使用此模型，則必須將使用該模型的代碼開源。
• 在使用或部署時，請適當註明Roboflow、Ultralytics和MorseTechLab的版權信息。

有關許可證的詳細信息，請參閱GNU AGPLv3許可證