パキスタン車のナンバー プレートを検出するためのモデルをトレーニングしようとしています。YOLOと呼ばれるより速いテクニックを見つけました。ここにリンクがあります
私がYOLOv2をトレーニングするためにフォローしているブログはこのブログです
このブログによると、テスト データとトレーニング データの準備のために、車の画像が必要であり、これらの画像に注釈を付ける必要があります (ナンバー プレートの位置をマークする必要があります)。問題は、フォームのトレーニングデータが既にあることです
このチュートリアルでは、このような車の画像から注釈を付ける必要があります。
誰かが YOLO を使用している場合は、アノテーションを回避し、独自のトレーニング データを使用して YOLO モデルをトレーニングする方法を教えてください。
現在、YOLOでLP認定も扱っています。上記のバスは良い選択です。オブジェクト検出の問題を解決するには、裸の LP ではなく、フレーム上の LP 位置を見つけるように Yolo をトレーニングするための「自然環境の LP」を使用したトレーニング セットが必要です。もしあなたがそれを持っていなくて、裸の LP のセットしか持っていないなら、何らかの人工的な方法でそれを作る必要があります。1）負の例（LPなしの画像）でトレーニングセットを拡張することを提案できます 2）オブジェクト分類問題のYoloをトレーニングする 3）ラベル付けされていない「自然環境」トレーニングセットを、移動ウィンドウを使用してLPグラウンドトゥルース位置を検出する取得された分類モデルで処理します（はい、リソースを消費する可能性があります...）したがって、オブジェクト検出問題のトレーニングセットを取得します 4）オブジェクト検出問題を解決するためにNNをトレーニングします。ところで、