CCPD数据集转yolo格式

已于 2025-01-13 20:18:15 修改
阅读量847 收藏 21
点赞数 25
CC 4.0 BY-SA版权
文章标签： python CCPD yolo
于 2025-01-02 15:47:23 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/reset2021/article/details/144888134

一、CCPD数据集介绍
CCPD2019车牌数据集是采集人员在合肥停车场采集、手工标注得来，采集时间在早7:30到晚10:00之间。且拍摄车牌照片的环境复杂多变，包括雨天、雪天、倾斜、模糊等。CCPD数据集包含将近30万张图片、图片尺寸为720x1160x3，共包含8种类型图片，每种类型、数量及类型说明如下表：

类型 图片数 说明
ccpd_base 199998 正常车牌
ccpd_challenge 10006 比较有挑战的车牌
ccpd_db 20001 光线较暗或较亮车牌
ccpd_fn 19999 距离摄像头较远或较近
ccpd_np
最低0.47元/天 解锁文章

200万优质内容无限畅学
CCPD数据集
yang_daxia的博客
03-06 2万+
这是一个用于车牌识别的大型国内的数据集，由中科大的科研人员构建出来的。发表在ECCV2018论文Towards End-to-End License Plate Detection and Recognition: A Large Dataset and Baselinehttps://github.com/detectRecog/CCPD 该数据集在合肥市的停车场采集得来的，采集时间早...
CCPD数据转成YOLO v5数据格式
ysh1026的博客
08-04 2791
import cv2 import os #参考 https://blog.youkuaiyun.com/qq_36516958/article/details/114274778 # https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data#2-create-labels # path = "/public/ccpd_green/test/" path = "/public/CCPD2019/ccpd_challenge/" for filena.
CCPD2019车牌数据集，共10000张图片，含YOLO格式标签
02-20
CCPD2019车牌数据集，10000张图片，已制作YOLO格式标签，可以直接训练
【学长笔记】关于车牌识别的CCPD数据集介绍
最新发布
apple_53308981的博客
05-25 987
CCPD（Chinese City Parking Dataset）是一个专为车牌检测与识别任务设计的高质量、真实场景图像数据集，广泛应用于自动车牌识别（ALPR, Automatic License Plate Recognition）领域的研究与模型训练。
CCPD车牌数据集转换成yolo训练格式
hyj6668的博客
03-25 2400
xml文件通用性很强，转换coco 还是yolo官方训练数据集都有一大堆教学，自己搜一下就好了。我们只需要提取这几个做坐标，然后把图片名字改成坐标，我这里所有的标签都是car_id。对应边界框左上角和右下角坐标:左上(159, 434), 右下(586, 578)链接：https://pan.quark.cn/s/7f12e2c00a7d。本文只解决了识别车牌的问题，车牌里面文字识别没有解决！图片的命名一般是以下格式：（CCPD2020数据集）下面是代码，将图片名字重新命名改成坐标id。
【项目三、车牌检测+识别项目】一、CCPD车牌数据集转为YOLOv5格式和LPRNet格式
热门推荐
qq_38253797的博客
05-30 3万+
目录前言一、CCPD数据集介绍二、CCPD数据集下载三、划分训练集、验证集和测试集四、车牌检测数据集制作五、车牌识别数据集制作六、我的车牌检测+识别数据集Reference 前言 马上要找工作了，想总结下自己做过的几个小项目。 之前已经总结过了我做的第一个项目：xxx病虫害检测项目，github源码地址：HuKai97/FFSSD-ResNet。优快云讲解地址： 【项目一、xxx病虫害检测项目】1、SSD原理和源码分析 【项目一、xxx病虫害检测项目】2、网络结构尝试改进：Resnet50、SE、CBAM
解析划分CCPD数据集转换YOLO格式标签
varda8899的博客
04-08 677
根据CCPD数据集的特点和YOLO格式要求，以下Python脚本实现了以下功能： 1. 解析CCPD文件名中的边界框坐标 2. 自动分割训练/验证/测试集 3. 生成YOLO格式标签文件 4. 创建标准YOLO数据集目录结构 关键功能说明 ： 文件名解析坐标转换原理 数据集划分策略准备数据运行脚本验证结果 确认每个txt文件内容格式： 扩展建议 ： 多类别处理：如果需要同时检测车牌和字符，需修改文件名解析逻辑，并添加多类别支持 数据增强：结合YOLO官方推荐的库进行数据增强 YAML配置
基于yolov5的车牌检测-处理CCPD车牌数据集数据
weixin_55940866的博客
04-08 1156
车牌检测数据集处理
基于yolov3+LPRnet使用CCPD2020数据集训练的车牌识别源码+模型+详细使用说明.zip
09-02
基于yolov3+LPRnet使用CCPD2020数据集训练的车牌识别源码+模型+详细使用说明.zip，环境配置： Python3.6或者3.7 Pytorch1.7.1(注意：必须是1.6.0或以上，因为使用官方提供的混合精度训练1.6.0后才支持) pycocotools...
CCPD数据集+yolov5+智能驾驶车牌检测
weixin_47531501的博客
03-14 2140
使用CCPD2019中的子数据集(CCPD-DB、CCPD-Blur、CCPD-FN、CCPD-Rotate、CCPD-Tilt、CCPD-Challenge)进行测试。在此我使用的是7z工具打包的，可以在/data/aimonitor/data/datasets/car_license/1002/license_use/目录下使用Linux命令：7za x CCPD.7z解压包。CCPD-Rotate 车牌水平倾斜20到50度，竖直倾斜-10到10度 10k。
开源车牌数据集CCPD介绍
大家好，我是观微子，专注于工业视觉中的细节之美与技术之道
11-11 2万+
传统车牌检测和识别都是在小规模数据集上进行实验和测试，所获得的算法模型无法胜任环境多变、角度多样的车牌图像检测和识别任务。为此，中科大团队建立了CCPD数据集，这是一个用于车牌识别的大型国内停车场车牌数据集，该团队同时在ECCV2018国际会议上发表论文Towards End-to-End License Plate Detection and Recognition: A Large Datas...
【数据库】车牌识别数据库（CCPD数据集）
YIZHILIUSHA2020的博客
04-26 4527
来源：中科大团队 对应文献：ECCV2018论文Towards End-to-End License Plate Detection and Recognition: A Large Dataset and Baseline 数据库链接：link. 提取码: hm0u 数据库构成： 该数据集在合肥市的停车场采集得来，采集时间早上7:30到晚上10:00。停车场采集人员手持Android POS机对停车场的车辆拍照并手工标注车牌位置。拍摄的车牌照片涉及多种复杂环境，包括模糊、倾斜、阴雨天、雪天等等。CCPD数
智能驾驶 车牌检测和识别（一）《CCPD车牌数据集》
AI吃大瓜的博客
01-28 1万+
智能驾驶 车牌检测和识别（一）《CCPD车牌数据集》，车牌检测数据集，车牌识别数据集；CCPD数据集
CCPD车牌检测识别数据集
AI学长
05-12 4251
CCPD (Chinese City Parking Dataset, ECCV)是中国城市车牌数据集，共有两个CCPD2019和CCPD2020 数据集，总数据量约35W左右，可用于车牌检测和识别模型算法开发。 CCPD 发表的论文: https://arxiv.org/abs/1709.08828 CCPD2020 数据集包含约1万，主要是新能源绿牌数据。 CCPD2019数据集主要是蓝牌数据，将近34W 张图片、图片尺寸为720x1160x3，共包含8种类型图片
CCPD数据集处理（目标检测和文本识别）
qq_55068938的博客
07-17 7789
CCPD数据集处理
【YOLOv5项目】基于CCPD2020数据集的车牌检测
这个函数可导的博客
04-20 8104
基于CCPD2020数据集的车牌检测（完整项目文件+环境配置+训练好的模型文件） 数据集包括：CCPD2020原始数据集、CCPD2020数据集YOLO格式 数据yaml文件包括：MyData.yaml 模型预训练权重文件包括：yolov5s.pt、yolov5x.pt 训练了500轮的模型文件：best.pt
CCPD数据集处理
kui9702的博客
11-14 741
无
【开源数据集】智慧城市之CCPD车牌数据集
hzg19930513的博客
05-09 7694
传统车牌检测和识别都是在小规模数据集上进行实验和测试，所获得的算法模型无法胜任环境多变、角度多样的车牌图像检测和识别任务。为此，中科大团队建立了CCPD数据集，这是一个用于车牌识别的大型国内停车场车牌数据集——CCPD(Chinese City Parking Dataset)，数据集主要在合肥市的停车场采集得来，采集时间早上7:30到晚上10:00，手工标注车牌位置。拍摄的车牌照片涉及多种复杂环境，包括模糊、倾斜、阴雨天、雪天等等。CCPD数据集一共包含将近30万张图片。
如何将CCPD数据集转换为YOLO格式？
03-30
<think>好的，我需要帮助用户将CCPD数据集转换为YOLO格式。首先，我应该了解CCPD数据集的结构。CCPD数据集主要用于车牌检测，通常包含大量带有车牌的图片，标注信息可能存储在图片文件名或单独的文本文件中。比如，文件名可能包含车牌的位置信息，例如“025-95_113-154&383_386&473-386&473_177&454_154&383_363&402-0_0_22_27_27_33_16-37-15.jpg”，其中包含了车牌的边界框坐标。 接下来，用户需要转换为YOLO格式。YOLO格式的标注是每个图片对应一个.txt文件，每行表示一个对象，格式为：class_id x_center y_center width height，这些坐标都是相对于图片宽度和高度的归一化值。 因此，转换步骤大致如下： 1. 解析CCPD数据集的文件名或标注文件，提取出每个车牌的位置信息。 2. 将绝对坐标转换为归一化的中心点坐标和宽高。 3. 将转换后的数据写入对应的.txt文件，与图片同名并存放在同一目录或指定目录。 例如，假设文件名中的坐标部分是“154&383_386&473”，这可能是车牌的左上和右下角坐标。解析这些坐标后，计算中心点x_center = (x1 + x2)/2 / 图片宽度，同理y_center。宽度是(x2 - x1)/图片宽度，高度同理。然后需要将这些值归一化到0-1之间。 接下来需要考虑代码实现。需要遍历所有图片文件，解析文件名，提取坐标，计算归一化后的值，然后写入txt文件。可能需要使用Python的os模块处理文件路径，字符串分割提取坐标，以及PIL库获取图片尺寸。 需要注意的点： - 文件名中的坐标部分可能有不同的分隔符，需要正确分割。 - 确保坐标的顺序正确，比如左上和右下。 - 处理不同的CCPD数据集版本，可能有不同的命名方式。 - 图片可能存在多个车牌，但CCPD通常每个图片一个车牌，但代码应考虑到可能的扩展。 可能的错误情况： - 文件名格式不符合预期，导致解析失败。 - 图片无法打开，导致无法获取尺寸。 - 路径问题，如输入输出目录不存在。 因此，代码中需要加入异常处理，确保健壮性。例如，使用try-except块捕获可能的错误，记录失败的文件，或者跳过无法处理的图片。 示例代码的大致流程： 1. 遍历输入目录中的所有图片文件。 2. 对于每个文件，解析文件名获取坐标。 3. 打开图片获取宽度和高度。 4. 计算归一化的x_center, y_center, width, height。 5. 创建对应的txt文件，写入一行数据，格式为“0 x_center y_center width height”（假设类别ID为0）。 现在需要将这个过程具体化为代码。例如，文件名解析部分，假设文件名结构为“..._x1&y1_x2&y2_...”，可能需要用split('_')分割各部分，找到包含坐标的部分，然后进一步分割x1、y1等。 例如，文件名“025-95_113-154&383_386&473-386&473_177&454_154&383_363&402-0_0_22_27_27_33_16-37-15.jpg”，各部分用'-'分割后的第三部分是“154&383_386&473”，这可能代表左上角(x1=154,y1=383)和右下角(x2=386,y2=473)。但需要确认这个分割是否正确，可能需要根据具体的CCPD数据集文档来确定正确的解析方式。 假设正确分割后得到x1,y1,x2,y2，则计算中心点： x_center = (x1 + x2) / 2 / img_width y_center = (y1 + y2) / 2 / img_height width = (x2 - x1) / img_width height = (y2 - y1) / img_height 然后写入到txt文件中，每行一个对象，这里假设每个图片只有一个车牌，所以一行即可。 编写代码时，可能需要处理不同的CCPD子集，比如CCPD-Base、CCPD-DB等，但用户没有具体说明，所以假设是基础版本。 测试代码时需要注意路径的正确性，可能需要用户指定输入和输出目录。 最后，生成相关问题，比如关于CCPD的结构，YOLO格式的其他问题，坐标转换，多类别处理等。</think><< 将CCPD数据集转换为YOLO格式需要以下步骤： 1. **解析CCPD标注信息**： CCPD的车牌位置信息存储在文件名中，格式为： `[...]_x1&y1_x2&y2_[...].jpg`。例如文件名片段`154&383_386&473`表示左上角(154,383)和右下角(386,473) 2. **坐标转换公式**： ```python def convert(size, box): dw = 1./size[0] dh = 1./size[1] x = (box[0] + box[1])/2.0 y = (box[2] + box[3])/2.0 w = box[1] - box[0] h = box[3] - box[2] x = x * dw w = w * dw y = y * dh h = h * dh return (x, y, w, h) ``` 3. **完整转换代码**： ```python import os from PIL import Image def ccpd2yolo(ccpd_path, output_dir): for filename in os.listdir(ccpd_path): if not filename.endswith(".jpg"): continue # 解析文件名 parts = filename.split('-') coord_str = parts[2].split('_') x1, y1 = map(int, coord_str[0].split('&')) x2, y2 = map(int, coord_str[1].split('&')) # 获取图片尺寸 img_path = os.path.join(ccpd_path, filename) with Image.open(img_path) as img: img_w, img_h = img.size # 坐标转换 size = (img_w, img_h) box = (x1, x2, y1, y2) yolo_box = convert(size, box) # 写入YOLO格式文件 txt_name = os.path.splitext(filename)[0] + ".txt" with open(os.path.join(output_dir, txt_name), 'w') as f: f.write(f"0 {yolo_box[0]} {yolo_box[1]} {yolo_box[2]} {yolo_box[3]}") ``` **使用方式**： ```python ccpd2yolo("/path/to/ccpd/images", "/output/directory") ``` **注意事项**： - 需要安装PIL库：`pip install pillow` - 输出目录需要预先创建 - 假设车牌类别ID为0，可根据需要修改 - 原始CCPD数据集的坐标是`(x_left, y_up, x_right, y_down)`格式 - 确保坐标值不超过图像尺寸
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

reset2021

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值