本文分享自華為云社區(qū)《基于ModelArts實(shí)現(xiàn)車輛車牌號(hào)的目標(biāo)識(shí)別》，作者：嶼山島 。

前言

車輛車牌是車輛的唯一身份標(biāo)識(shí)，能夠提供車輛的類型、顏色、歸屬地等信息，對(duì)于交通管理、安全監(jiān)控、智能出行等領(lǐng)域具有重要的應(yīng)用價(jià)值。隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展，車輛車牌的自動(dòng)檢測和識(shí)別成為了一個(gè)熱門的研究課題，也有許多成熟的商業(yè)產(chǎn)品和開源項(xiàng)目。

我對(duì)車輛車牌檢測和識(shí)別的技術(shù)原理和應(yīng)用場景很感興趣，想要通過實(shí)踐來提高自己的圖像處理和機(jī)器學(xué)習(xí)的能力，同時(shí)也想要探索一些新的方法和思路，解決一些實(shí)際問題。因此，我選擇了華為云的ModelArts平臺(tái)，利用其提供的數(shù)據(jù)處理、模型訓(xùn)練、模型管理和模型部署等全流程的支持，實(shí)現(xiàn)了一個(gè)對(duì)車輛車牌的目標(biāo)檢測模型。

在本博客中，我將詳細(xì)介紹我使用ModelArts平臺(tái)的過程和經(jīng)驗(yàn)，包括數(shù)據(jù)集的準(zhǔn)備、模型的選擇和修改、訓(xùn)練的參數(shù)和結(jié)果、部署的方法和效果等，以及遇到的一些問題和解決方案。我希望能夠通過本博客，與有興趣的讀者分享和交流，也歡迎大家提出寶貴的意見和建議。

前置工作

首先確保已經(jīng)完成了華為云賬號(hào)的開通與認(rèn)證，并添加用戶的訪問密鑰，以方便使用ModelArts。

數(shù)據(jù)集的準(zhǔn)備

來自于中科大2018年開源的大型國內(nèi)停車場車牌數(shù)據(jù)集CCPD（Chinese City Parking Dataset）彌補(bǔ)了上述車牌數(shù)據(jù)的缺陷，該車牌數(shù)據(jù)集圖片收集自安徽省合肥市的各種街道路邊停車場，每個(gè)收集員于各自負(fù)責(zé)的街道不分天氣的從早上07:30一直工作到晚上22:00，每當(dāng)開停車賬單時(shí)就需要手持特殊設(shè)備根據(jù)要求拍攝前后車牌圖片并進(jìn)行車牌信息標(biāo)注，從而在不可確認(rèn)的拍攝位置、拍攝角度、拍攝光照、拍攝天氣、拍攝背景、拍攝街道等約束條件下保障了所獲取車牌數(shù)據(jù)的多樣性

本人從github上獲取了該數(shù)據(jù)的2020新版

OBS桶及對(duì)象的創(chuàng)建

OBS是ModelArts提供的使用對(duì)象存儲(chǔ)服務(wù)，目的是為了進(jìn)行數(shù)據(jù)存儲(chǔ)以及模型的備份和快照。本次實(shí)驗(yàn)在創(chuàng)建訓(xùn)練數(shù)據(jù)集之前，需要?jiǎng)?chuàng)建一個(gè)OBS桶，然后在OBS桶中創(chuàng)建文件夾用于存放訓(xùn)練文件。

OBS桶的創(chuàng)建

進(jìn)入服務(wù)列表，找到存儲(chǔ)服務(wù)項(xiàng)，點(diǎn)擊對(duì)象存儲(chǔ)服務(wù)OBS

登錄OBS管理控制臺(tái)，在桶列表頁面右上角單擊“創(chuàng)建桶”，創(chuàng)建OBS桶

填寫參數(shù)：

??"區(qū)域"：華北-北京四，后續(xù)區(qū)域需要選擇和OBS桶一致。

??"桶名稱"：創(chuàng)建桶名稱“carlic-detect”，注意重名時(shí)可以添加后綴。

??“數(shù)據(jù)冗余存儲(chǔ)策略”：多AZ存儲(chǔ)

??“默認(rèn)存儲(chǔ)類型”：標(biāo)準(zhǔn)存儲(chǔ)

其他使用默認(rèn)值即可，確認(rèn)無誤后單擊右下角“立即創(chuàng)建”。

OBS桶中對(duì)象的創(chuàng)建

在桶列表頁面，單擊桶名稱，進(jìn)入該桶的概覽頁面。單擊概覽頁面的左側(cè)導(dǎo)航的“對(duì)象”，在“對(duì)象”頁面單擊新建文件夾，創(chuàng)建OBS文件夾。我們?cè)谶@里創(chuàng)建兩個(gè)文件夾，一個(gè)用于數(shù)據(jù)集的輸入，一個(gè)用于數(shù)據(jù)集的輸出

數(shù)據(jù)集輸入文件夾“carlic-input”

數(shù)據(jù)集輸出文件夾“carlic-output”

ModelArts自動(dòng)學(xué)習(xí)項(xiàng)目的創(chuàng)建

進(jìn)入ModelArts自動(dòng)學(xué)習(xí)版跨，創(chuàng)建物體檢測的項(xiàng)目

創(chuàng)建物體檢測項(xiàng)目的數(shù)據(jù)集

此時(shí)發(fā)現(xiàn)我們并沒有數(shù)據(jù)集，所以需要?jiǎng)?chuàng)建數(shù)據(jù)集。此時(shí)點(diǎn)擊創(chuàng)建數(shù)據(jù)集

點(diǎn)擊后有如下界面，其中各參數(shù)為：

? “數(shù)據(jù)集名稱”：carlicense

? “數(shù)據(jù)類型”：圖片

? “數(shù)據(jù)來源”：OBS

? “導(dǎo)入路徑”：選擇之前創(chuàng)建OBS桶時(shí)創(chuàng)建的carlic-input文件夾

? “數(shù)據(jù)標(biāo)注狀態(tài)“：未標(biāo)注

? “數(shù)據(jù)輸出位置”：選擇之前創(chuàng)建OBS時(shí)創(chuàng)建的carlic-output文件夾

再點(diǎn)擊右下角提交，數(shù)據(jù)集創(chuàng)建成功

此時(shí)再填入物體檢測項(xiàng)目的各個(gè)參數(shù)信息

? “名稱”：carlicense-detect

? “數(shù)據(jù)集”：選擇剛剛創(chuàng)建好的數(shù)據(jù)集“carlicense”

? “輸出路徑”：選擇所創(chuàng)建OBS桶中的數(shù)據(jù)輸出文件夾“carlic-output”

? “訓(xùn)練規(guī)格”：選擇限時(shí)免費(fèi)的規(guī)格

然后點(diǎn)擊右下角的創(chuàng)建項(xiàng)目

創(chuàng)建項(xiàng)目后得到如下界面：

數(shù)據(jù)的上傳與標(biāo)注

該界面顯示我們需要對(duì)實(shí)例進(jìn)行標(biāo)注，點(diǎn)擊進(jìn)入實(shí)例詳細(xì)

數(shù)據(jù)上傳

由于數(shù)據(jù)集是空的，所以該頁面顯示未查詢到圖片，此時(shí)我們點(diǎn)擊添加數(shù)據(jù)

導(dǎo)入數(shù)據(jù)參數(shù)如下：

? “數(shù)據(jù)來源”：本地上傳（因?yàn)橄螺d的數(shù)據(jù)都在本地上，并沒有上傳至OBS中）

? “上傳數(shù)據(jù)存儲(chǔ)路徑“：選擇之前創(chuàng)建的OBS桶中的數(shù)據(jù)輸入文件夾“carlic-input”

? “數(shù)據(jù)標(biāo)注狀態(tài)“：未標(biāo)注（數(shù)據(jù)集的所有數(shù)據(jù)均為未標(biāo)注）

然后點(diǎn)擊文件上傳，將本地文件上傳之所創(chuàng)建的OBS桶中的數(shù)據(jù)輸入文件夾中

點(diǎn)擊添加文件，上傳本地的訓(xùn)練數(shù)據(jù)文件

上傳結(jié)束后我們?cè)冱c(diǎn)開OBS存儲(chǔ)，發(fā)現(xiàn)此時(shí)的輸入文件夾已經(jīng)有了所用的數(shù)據(jù)

但是此時(shí)實(shí)力詳細(xì)中并沒有數(shù)據(jù)信息，此時(shí)我們需要點(diǎn)擊數(shù)據(jù)源同步，將已經(jīng)上傳至OBS桶中的數(shù)據(jù)全部同步至數(shù)據(jù)集中

結(jié)果如下

數(shù)據(jù)標(biāo)注

接下來要對(duì)該數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)注

先進(jìn)行手動(dòng)標(biāo)注

在進(jìn)行20多各樣例的標(biāo)注后，我們可以使用ModelArts所提供的工具：智能標(biāo)注，即通過已標(biāo)注的樣例來自動(dòng)學(xué)習(xí)，實(shí)現(xiàn)自動(dòng)化標(biāo)注

此時(shí)我們點(diǎn)擊啟動(dòng)智能標(biāo)注

參數(shù)選擇如下：

? “智能標(biāo)注類型”：主動(dòng)學(xué)習(xí)（系統(tǒng)自動(dòng)使用半監(jiān)督學(xué)習(xí)，難例篩選等多種手段來進(jìn)行智能標(biāo)注，降低人工標(biāo)注量，幫助用戶找到難例）

? “算法類型”：精準(zhǔn)型

? “計(jì)算結(jié)點(diǎn)規(guī)格”：任意選擇即可

點(diǎn)擊提交，得到如下界面

在智能標(biāo)注完成后，我們需要確認(rèn)智能標(biāo)注信息是否正確，以下為智能標(biāo)注后需要待確認(rèn)的界面

然后我們點(diǎn)擊進(jìn)入具體確認(rèn)界面

放大后查看該案例的智能標(biāo)注情況

此圖片中對(duì)與車牌的智能標(biāo)注十分準(zhǔn)確，但是這并不代表每一張圖片都是十分準(zhǔn)確的，在本人確認(rèn)了多張圖片的智能標(biāo)注情況后發(fā)現(xiàn)一些常見的易錯(cuò)誤標(biāo)注的現(xiàn)象，過大的車標(biāo)，車身與車牌類似的矩形廣告貼，地表的一些與車牌十分相似的矩形牌號(hào)等。

過大的車標(biāo)

車身矩形小廣告-

地表的矩形牌號(hào)與車牌十分相似

在進(jìn)行人工確認(rèn)和改正后，得到最終的已標(biāo)注所有的數(shù)據(jù)集

然后再進(jìn)行對(duì)標(biāo)注數(shù)據(jù)的快速復(fù)核，點(diǎn)擊快速復(fù)核，得到如下界面，我們發(fā)現(xiàn)其中有一些明顯不是車標(biāo)的標(biāo)注信息

點(diǎn)擊其中一個(gè)得到如下圖片標(biāo)注

說明在確認(rèn)標(biāo)注過程中出現(xiàn)了紕漏，然后只需要對(duì)這些錯(cuò)誤標(biāo)注進(jìn)行修改或者刪除即可

進(jìn)入工作流

在成功標(biāo)注完數(shù)據(jù)后，我們便可以進(jìn)入workflow流中開始工作

首先是數(shù)據(jù)集版本發(fā)布

然后是數(shù)據(jù)校驗(yàn)

同時(shí)我們可以查看后臺(tái)的工作記錄，跟進(jìn)工作流的進(jìn)度

然后就是模型的訓(xùn)練工作

模型訓(xùn)練

接下來是模型注冊(cè)工作

模型部署

最后是模型部署工作

模型部署的參數(shù)選擇如下：

? “AI應(yīng)用來源”：我的AI應(yīng)用

? “資源池”：公共資源池

? “是否自動(dòng)停止”：是，選擇在一小時(shí)后停止運(yùn)行

其他參數(shù)保持默認(rèn)即可

在部署過程中我們可以查看一些基本信息，同時(shí)跟蹤部署情況事件：

在部署成功后，我們可以查看部署成功的AI應(yīng)用，部署的AI應(yīng)用信息如下

同時(shí)在該AI應(yīng)用狀態(tài)改變?yōu)檫\(yùn)行中后，我們便可以開始進(jìn)行我們的車輛車牌目標(biāo)識(shí)別的實(shí)踐了

結(jié)果檢測

將圖片上傳至該AI應(yīng)用進(jìn)行目標(biāo)檢測，得到結(jié)果如下

發(fā)現(xiàn)檢測的大致位置是正確的，但是精準(zhǔn)度不高，于是再上傳圖片進(jìn)行幾次車牌的檢測：

發(fā)先該模型的檢測結(jié)果都是大致位置正確，但是不夠精確，這說明該模型的精準(zhǔn)度不夠搞，還需要進(jìn)一步改進(jìn)。

對(duì)于出現(xiàn)該問題的原因，我猜測可能有以下幾個(gè)原因：

1、數(shù)據(jù)集問題

2、數(shù)據(jù)處理算法設(shè)計(jì)和實(shí)現(xiàn)問題

3、算法設(shè)計(jì)和實(shí)現(xiàn)問題

4、超參設(shè)置問題

5、環(huán)境問題

……

在后續(xù)的實(shí)驗(yàn)中，會(huì)對(duì)該模型進(jìn)行進(jìn)一步優(yōu)化，推出新的模型版本和應(yīng)用版本。

資源釋放

到此，該實(shí)踐已完成，接下來我們需要對(duì)申請(qǐng)的各種資源進(jìn)行釋放

刪除創(chuàng)建的在線服務(wù)

刪除創(chuàng)建的自動(dòng)學(xué)習(xí)項(xiàng)目

刪除用于存儲(chǔ)服務(wù)的OBS桶中的對(duì)象

釋放資源到此結(jié)束，本次實(shí)踐到此完成。

實(shí)踐總結(jié)

在這篇文章中，我介紹了如何使用華為云技術(shù)ModelArts實(shí)現(xiàn)車輛車牌的目標(biāo)識(shí)別的實(shí)踐，并部署上線服務(wù)的過程。我首先介紹了車牌目標(biāo)檢測的背景和意義，然后介紹了ModelArts的特點(diǎn)和優(yōu)勢，以及如何使用ModelArts進(jìn)行數(shù)據(jù)集的管理、模型的訓(xùn)練、評(píng)估和部署。我使用了CCPD數(shù)據(jù)集，這是一個(gè)包含了約30萬張中國車牌圖片的數(shù)據(jù)集，它根據(jù)圖片的復(fù)雜度分為了八個(gè)類別。我使用了YOLOv5作為目標(biāo)檢測的模型，它是一個(gè)基于PyTorch的輕量級(jí)、高效的目標(biāo)檢測框架。我在ModelArts上進(jìn)行了模型的訓(xùn)練和評(píng)估，得到了較高的精度和召回率。我還展示了如何使用ModelArts的在線服務(wù)功能，將模型部署為一個(gè)可調(diào)用的API，實(shí)現(xiàn)了車牌的實(shí)時(shí)檢測。

通過這次實(shí)踐，我深刻地體會(huì)到了ModelArts的強(qiáng)大和便捷。ModelArts為我提供了一個(gè)一站式的端到端的機(jī)器學(xué)習(xí)平臺(tái)，讓我可以在一個(gè)統(tǒng)一的界面上完成數(shù)據(jù)集的管理、模型的訓(xùn)練、評(píng)估和部署的全流程。ModelArts還提供了豐富的預(yù)置算法和模型，以及高性能的計(jì)算資源和存儲(chǔ)空間，讓我可以快速地搭建和運(yùn)行我的模型，節(jié)省了時(shí)間和成本。ModelArts的在線服務(wù)功能也讓我可以輕松地將我的模型轉(zhuǎn)化為一個(gè)可用的服務(wù)，實(shí)現(xiàn)了車牌目標(biāo)檢測的應(yīng)用場景。我認(rèn)為ModelArts是一個(gè)非常適合機(jī)器學(xué)習(xí)愛好者和開發(fā)者的平臺(tái)，它可以幫助我們實(shí)現(xiàn)更多的機(jī)器學(xué)習(xí)的創(chuàng)新和價(jià)值。

?

點(diǎn)擊關(guān)注，第一時(shí)間了解華為云新鮮技術(shù)~文章來源地址http://www.zghlxwxcb.cn/news/detail-746621.html

到了這里，關(guān)于告別繁瑣，ModelArts一鍵解決車牌號(hào)識(shí)別難題的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！