first commit

README.md

@@ -0,0 +1,95 @@
+# Pytorch_Retina_License_Plate
+利用[RetinaFace](https://github.com/biubug6/Pytorch_Retinaface)进行迁移学习实现的车牌检测、车牌四角定位、车牌矫正对齐程序。
+当Retinaface使用mobilenet0.25作为骨干网时，模型大小仅为1.8M
+我们还提供resnet50作为骨干网以获得更好的结果。
+RetinaFace的官方代码可以在[这里](https://github.com/deepinsight/insightface/tree/master/RetinaFace)找到。
+
+# 内容
+- 环境说明
+- 安装
+- 数据
+- 训练
+- TODO
+- 参考文献
+
+## 环境说明
+- python=3.7
+- pytorch=1.2.0 
+- torchvision=0.4.0
+- cudatoolkit=10.0
+- cudnn=7.6.4
+## 安装
+- 克隆并安装
+git clone https://github.com/biubug6/Pytorch_Retinaface.git
+
+
+
+# 数据
+**地址**
+
+ [https://github.com/detectRecog/CCPD](https://github.com/detectRecog/CCPD)
+
+**数据容量**
+CCPD 	| 数量/k	| 描述
+-------- | -----|  -----
+Base |	200	 |正常车牌
+FN |	20 |	距离摄像头相当的远或者相当近
+DB |	20	 |光线暗或者比较亮
+Rotate	 |10 |	水平倾斜20-25°，垂直倾斜-10-10°
+Tilt	 |10 |	水平倾斜15-45°，垂直倾斜15-45°
+Weather |	10 |	在雨天，雪天，或者雾天
+Blur |	5 |	由于相机抖动造成的模糊
+Challenge |	10 |	其他的比较有挑战性的车牌
+NP |	5	 |没有车牌的新车
+
+**注释说明**
+
+注释嵌入在文件名中。
+样本图像名称为“ 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”。每个名称可以分为七个字段。这些字段解释如下。
+
+- 面积：牌照面积与整个图片区域的面积比。
+
+- 倾斜度：水平倾斜程度和垂直倾斜度。
+
+- 边界框坐标：左上和右下顶点的坐标。
+
+- 四个顶点位置：整个图像中LP的四个顶点的精确（x，y）坐标。这些坐标从右下角->左下角->左上角->右上角
+
+车牌号：CCPD中的每个图像只有一个LP。每个LP号码由一个汉字，一个字母和五个字母或数字组成。有效的中文车牌由七个字符组成：省（1个字符），字母（1个字符），字母+数字（5个字符）。0_0_22_27_27_33_16”是每个字符的索引。这三个数组定义如下。每个数组的最后一个字符是字母O，而不是数字0。我们将O用作“无字符”的符号，因为中文车牌字符中没有O。
+```python
+provinces = ["皖", "沪", "津", "渝", "冀", "晋", "蒙", "辽", "吉", "黑", "苏", "浙", "京", "闽", "赣", "鲁", "豫", "鄂", "湘", "粤", "桂", "琼", "川", "贵", "云", "藏", "陕", "甘", "青", "宁", "新", "警", "学", "O"]
+alphabets = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'J', 'K', 'L', 'M', 'N', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W',
+             'X', 'Y', 'Z', 'O']
+ads = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'J', 'K', 'L', 'M', 'N', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X',
+       'Y', 'Z', '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'O']
+```
+## 模型训练
+- 数据预处理
+  >cd Pytorch_Retina_License_Plate/prepare_data
+  python reformat_CCPD.py
+  python dataset_provider.py
+
+  > 注意修改执行文件中的数据集地址
+-  训练
+	> 培训之前，您可以在中检查网络配置（例如batch_size，min_sizes和步骤等。）data/config.py and train.py。
+
+
+	>CUDA_VISIBLE_DEVICES = 0,1,2,3 python train.py --network resnet50或
+	CUDA_VISIBLE_DEVICES = 0 python train.py --network mobile0.25
+
+## 测试
+> python detect.py -m ./weights/mobilenet0.25_epoch_19_ccpd.pth -image test_images/0.jpg
+
+> 效果更好的预训练模型在后期陆续提供
+
+## TODO
+- 评估
+## 参考文献
+
+- [Retinaface (mxnet)](https://github.com/deepinsight/insightface/tree/master/RetinaFace)
+- [Pytorch_Retinaface](https://github.com/biubug6/Pytorch_Retinaface)
+>@inproceedings{deng2019retinaface,
+title={RetinaFace: Single-stage Dense Face Localisation in the Wild},
+author={Deng, Jiankang and Guo, Jia and Yuxiang, Zhou and Jinke Yu and Irene Kotsia and Zafeiriou, Stefanos},
+booktitle={arxiv},
+year={2019}

convt.py

@@ -0,0 +1,34 @@
+import os
+f = open('/home/hylink/eclipse-workspace/CCPD2019/train.txt', 'r')
+lines = f.readlines()
+positive = []
+for line in lines:
+    line = line.strip('\n').split(',')
+    line[0] = '/home/hylink/eclipse-workspace/CCPD2019/detection_dir/' + line[0]
+    if os.path.exists(line[0]):
+        lable = list(line[0:-1])
+        new_lable = []
+        new_lable.append(lable[0])
+        new_lable.append('3')
+        new_lable.append('1')
+        new_lable = new_lable + lable[1:]
+        positive.append(",".join(new_lable))
+        print(new_lable)
+print(positive[0:5])    
+f = open('/home/hylink/eclipse-workspace/Pytorch_Retina_License_Plate_GM/prepare_data/data_folder/train.txt', 'r')
+lines = f.readlines()
+
+negative = []
+for line in lines[0:60000]: 
+    line = line.strip('\n') 
+    lable = line.split(',')
+    #if lable[1] == '-1'  :
+    negative.append(line) 
+
+print(len(negative))
+print(negative[0:5])
+train = open('train_white', 'a+')
+all = positive + negative
+for line in all:
+    train.write(line + '\n')
+

data/__init__.py

@@ -0,0 +1,3 @@
+from data.wider_lp import WiderLPDetection, detection_collate
+from .data_augment import *
+from .config import *

data/config.py

@@ -0,0 +1,42 @@
+# config.py
+
+cfg_mnet = {
+    'name': 'mobilenet0.25',
+    'min_sizes': [[16, 32], [64, 128], [256, 512]],
+    'steps': [8, 16, 32],
+    'variance': [0.1, 0.2],
+    'clip': False,
+    'loc_weight': 2.0,
+    'gpu_train': True,
+    'batch_size': 256,
+    'ngpu': 4,
+    'epoch': 100,
+    'decay1': 190,
+    'decay2': 220,
+    'image_size': 640,
+    'pretrain': True,
+    'return_layers': {'stage1': 1, 'stage2': 2, 'stage3': 3},
+    'in_channel': 32,
+    'out_channel': 64
+}
+
+cfg_re50 = {
+    'name': 'Resnet50',
+    'min_sizes': [[16, 32], [64, 128], [256, 512]],
+    'steps': [8, 16, 32],
+    'variance': [0.1, 0.2],
+    'clip': False,
+    'loc_weight': 2.0,
+    'gpu_train': True,
+    'batch_size': 24,
+    'ngpu': 4,
+    'epoch': 100,
+    'decay1': 70,
+    'decay2': 90,
+    'image_size': 840,
+    'pretrain': True,
+    'return_layers': {'layer2': 1, 'layer3': 2, 'layer4': 3},
+    'in_channel': 256,
+    'out_channel': 256
+}
+