计算机深度学习算法中YOLOv5实现车牌识别

# License Plate Detection with Yolov5 距离上次车牌检测模型更新已经过了一年多的时间，这段时间也有很多快速、准确的模型提出，我们利用单物体检测算法Yolov5进行了车牌检测模型的训练，通过测试，检测效果和适用性都更突出，支持的模型也更为丰富。 我们开源版本的检测算法经过了多个版本迭代，考虑到检测的效率跟准确率，原始版本逐步淘汰，从最初的基于LBP和Harr特征的车牌检测，感兴趣的小伙伴可以参考train-detector(https://github.com/openalpr/train-detector) 这个仓库；到后来逐步的采用深度学习的方式，包括基于mobilenet-ssd的算法进行检测(https://gitee.com/zeusees/Mobilenet-SSD-License-Plate-Detection) ，基于Retinaface框架进行检测（ https://gitee.com/zeusees/license-plate-detector ），后续请尽量采用新模型进行测试。 该版本的检测模型的训练，结合了CCPD数据集跟我们自有的数据，能够做到更多车牌种类的支持。 ### Pytorch模型测试 ##### Clone and install 1. git clone https://github.com/zeusees/License-Plate-Detector.git 2. Pytorch version 1.7.0 3. Python 3.8 4. python detect_plate.py ### 基于C++的NCNN模型测试 ##### Source Code Compile 1. cd Prj-ncnn 2. cmake . 3. make ### 支持车牌种类 - 蓝色单层车牌 - 黄色单层车牌 - 绿色新能源车牌、民航车牌 - 黑色单层车牌 - 白色警牌、军牌、武警车牌 - 黄色双层车牌 - 绿色农用车牌 - 白色双层军牌 ### 测试结果  ### 参考 - [yolov5-face](https://github.com/deepcam-cn/yolov5-face) - [CCPD](https://github.com/detectRecog/CCPD)