README_CN.md

English Version

项目简介

MTCNN: Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks的TensorFlow 实现版本，在仓库 mtcnn_tf 实现人脸识别的基础上，改进以完成车牌的检测及识别。

本仓库可以进行人脸识别的训练及车牌识别的训练，人脸训练流程请参考英文说明文档。中文版主要介绍车牌训练流程。

环境要求

• Ubuntu 14.04 or CentOS 7.2 及以上
• Cuda 8.0 及以上

依赖库

依赖库	版本
python	3.5
tensorflow	1.15.0
tensorflow-gpu	1.15.0
TF-slim
opencv-python	4.2.0.34
easydict	1.9

数据集准备

准备以CCPD数据集格式命名的车牌数据。

1. 将训练集图片文件存放在./dataset/traindata/目录下。
2. 将测试集图片文件存在放./testing/plates/目录下。

模型训练

运行./runMy.sh/进行训练。

模型测试

运行python testing/test_plate.py --stage=onet进行测试，测试结果文件会存放在./testing/results_onet/目录下。

---

分步训练及测试

1# P-Net

准备训练集的annotation file ：python -u prepare_data/gen_anno_file.py

准备P-Net正/负/部分样本：python -u prepare_data/gen_hard_bbox_pnet.py --mydata=True --lmnum=4

准备P-Net关键点样本：python -u prepare_data/gen_landmark_aug.py --stage=pnet --mydata=True --lmnum=4

准备P-Net tfrecord文件： python -u prepare_data/gen_tfrecords.py --stage=pnet --lmnum=4

训练P-Net：python -u training/train_plate.py --stage=pnet

测试P-Net模型：python -u testing/test_plate.py --stage=pnet，测试结果存放在./testing/results_pnet/目录下

2# R-Net

准备R-Net困难样本：python -u prepare_data/gen_hard_bbox_rnet_onet.py --stage=rnet --mydata=True --lmnum=4

准备R-Net关键点样本：python -u prepare_data/gen_landmark_aug.py --stage=rnet --mydata=True --lmnum=4

准备R-Net tfrecrod文件：python -u prepare_data/gen_tfrecords.py --stage=rnet --lmnum=4

训练R-Net：python -u training/train_plate.py --stage=rnet

测试R-Net模型：python -u testing/test_plate.py --stage=rnet，测试结果存放在./testing/results_rnet/目录下

3# O-Net

准备O-Net困难样本：python -u prepare_data/gen_hard_bbox_rnet_onet.py --stage=onet --mydata=True --lmnum=4

准备O-Net关键点样本：python -u prepare_data/gen_landmark_aug.py --stage=onet --mydata=True --lmnum=4

准备O-Net tfrecrod文件：python -u prepare_data/gen_tfrecords.py --stage=onet --lmnum=4

训练O-Net：python -u training/train_plate.py --stage=onet

测试O-Net模型：python -u testing/test_plate.py --stage=onet，测试结果存放在./testing/results_onet/目录下