车牌识别数据集与完整计划代码整理

文章目录

• • • 一、核心数据集（百度网盘）
    • 二、完整项目代码（百度网盘+GitHub）
    • 三、快速使用步骤
    • 四、补充说明

---

一、核心信息集（百度网盘）

数据集	链接	提取码	说明
CCPD2019（蓝牌，25万+图）	https://pan.baidu.com/s/1Jh55ufXZZpusg7Vhn4ZYdQ	f6mo	含Blur/Tilt/Weather等子内容集，标注在文件名中
CCPD2020（绿牌）	链接见下文	ol3j	新能源车牌专用，标注同CCPD2019
CCPD合集（含Tilt等）	https://pan.baidu.com/s/1ZvbRUsPwpJk_39FujpjObw	nygt	含10k+倾斜/天气场景样本
CLPD（1200图，31省车牌）	链接见下文	dt11	含遮挡/多角度，标注在CLPD.csv
CCPD2019（备用）	https://pan.baidu.com/s/1QdNG-iqIhZzSWdlOvS9gxQ	ymd3	适配Yolov3-LPRnet方案

---

二、完整项目代码（百度网盘+GitHub）

1. HyperLPR（Python/C++，多平台）

   • 百度网盘：https://pan.baidu.com/s/1ZzGwCSFLbr_sCiN1ZLGdzw，提取码：1234
   • GitHub：https://github.com/zeusees/HyperLPR（Python）；https://github.com/szad670401/HyperLPR（C++）
   • 支撑：蓝/黄/新能源/警用车牌等，含检测+字符识别，可直接运行demo。

2. Yolov5+PaddleOCR车牌检测识别

   • 核心代码：https://github.com/we0091234/Chinese_license_plate_detection_recognition
   • 作用：支持12种车牌，含图片/视频/摄像头实时推理，提供训练脚本与预训练权重。

3. Yolov3-LPRnet（PyTorch）

   • 代码+模型：https://pan.baidu.com/s/1sARkEgcWt4tpatAqGLXWEA，提取码：6eu6
   • 说明：用CCPD2019训练，仅识别蓝牌，运行predict.py即可推理。

4. PP-Vehicle（ONNXRuntime部署）

   • 模型权重：https://pan.baidu.com/s/1Z1Phr7KPubsAqhHW5edMvQ，提取码：xw2i
   • GitHub：https://github.com/hpc203/PP-Vehicle-onnxrun-cpp-py
   • 作用：车辆检测+车牌识别，支持C++/Python，脱离PaddlePaddle依赖。

---

三、快速运用步骤

1. 下载信息集并解压，按train/val/test划分（CCPD可直接用文件名解析标注）。
2. 下载任务代码，安装依赖（如PyTorch/OpenCV/PaddleOCR）。
3. 替换素材集路径，运行训练脚本；或直接用预训练权重推理（如HyperLPR的demo.py）。
4. 推理命令示例（Yolov5项目）：

   python detect_plate.py --detect_model weights/plate_detect.pt --rec_model weights/plate_rec_color.pth --image_path imgs --output result

---

四、补充说明

• 材料集标注：CCPD用文件名存储坐标/号码/角度；CLPD用CSV存储四点坐标与标签，需提前解析。
• 代码适配：HyperLPR适合快速部署，Yolov5项目适合二次开发，PP-Vehicle适合工业级ONNX部署。
• 若网盘链接失效，优先访问GitHub/Gitee（如搜索HyperLPR/Yolov5车牌识别）获取最新资源。