ICE_Dataset

ICE 车牌检测/识别项目的数据集仓库，涵盖 CCPD 原始数据、特殊车牌生成、YOLO 训练数据构建。

---

目录总览

ICE_Dataset/
├── chinese_license_plate_generator/  ← 车牌底板渲染引擎（核心依赖）
├── CCPD/                             ← CCPD2019 & CCPD2020 原始街拍图片
├── CCPD_SPE_GEN/                     ← 特殊车牌生成工具集
│   ├── cv_pipeline/                  ← Python 原型管线（开发/调色/预览用）
│   ├── cpp_pipeline/                 ← ★ C++ 生产引擎（~53张/秒，实际全量生成用）
│   ├── gan_pipeline/                 ← GAN 纹理迁移实验（已废弃，未实际使用）
│   └── scripts/                      ← 一键运行脚本
├── CCPD_SPE/                         ← 特殊车牌数据集输出（C++ 管线全量生成）
├── ccpd_combined_5k5k_spe/           ← YOLO 训练用合并数据集
├── scripts/                          ← 数据集构建/统计工具
├── LP_Standard.md                    ← GA36-2018 中国车牌标准参考
└── output/                           ← 临时输出、调色预览

---

各部分说明

1. chinese_license_plate_generator/ — 车牌渲染引擎

第三方车牌图像生成器，提供 MultiPlateGenerator：

• 按 GA36-2018 标准渲染 9 种特殊车牌底板
• 输出纯车牌图像（无背景），作为后续管线的合成素材
• 管线实际依赖：被 cv_pipeline/plate_swap.py 直接调用

2. CCPD/ — CCPD 原始数据集

子集	说明
CCPD2019/ccpd_base	标准街拍（主力）
CCPD2019/ccpd_tilt	倾斜视角
CCPD2019/ccpd_rotate	旋转视角
CCPD2019/ccpd_fn	远/近景（Far/Near）
CCPD2019/ccpd_weather	恶劣天气
CCPD2019/ccpd_blur	模糊
CCPD2019/ccpd_challenge	挑战性样本
CCPD2020/	CCPD2020 扩展集

CCPD 文件名自带角点标注（4 个角点 x&y_x&y_x&y_x&y），管线不依赖 YOLO 检测，直接解析文件名即可获取车牌坐标。

3. CCPD_SPE_GEN/ — 特殊车牌生成工具

3.1 cv_pipeline/ ★ 主力管线（实际使用）

文件	功能
plate_swap.py	核心：CCPD 原图 → 解析角点 → 生成特殊车牌 → Lab 色彩对齐 → 透视回贴 → 羽化 + 噪声匹配 → 输出
extract_real_plates.py	从 CCPD 提取真实车牌 ROI（用于 GAN 训练数据准备，实际未用）
gen_pure_plates.py	生成纯合成车牌（无背景）
color_tuner.py	HSV 手动调色 GUI，保存参数到 plate_color_profile.py
plate_color_profile.py	底板色校正参数（由 color_tuner.py 生成，plate_swap.py 运行时读取）

特点：零训练成本，纯 OpenCV + NumPy，即开即用。

3.2 cpp_pipeline/ — C++ 高性能版

文件	功能
plate_swap.cpp/.hpp	C++ 复刻 CV 管线核心逻辑
main.cpp	多线程入口（--workers 参数，默认自动检测全部 CPU 核心）
gen_plate_pool.py	预生成车牌池 .bin 供 C++ 读取
build.ps1	VS2022 + CMake 编译脚本
install/plate_swap.exe	预编译可执行文件（Git LFS）

当前状态：C++ 版是 CCPD_SPE 的实际生产引擎，当前生成 9000 张（9 类 × 1000 张，~53 张/秒，线程数按本机 CPU 核心自动分配），全量 35.5 万张预估 1.9 小时。 Python cv_pipeline 作为开发原型保留——用于初始验证、color_tuner.py 调色 GUI、以及单张预览/调试。 两套管线核心功能对齐（色温匹配、噪声匹配、退化模拟一致），羽化实现有差异：Python 用 distanceTransform 精确渐变，C++ 用 erode+GaussianBlur 近似（快 3 倍，肉眼几无区别）。

3.3 gan_pipeline/ — GAN 纹理迁移（已废弃）

文件	功能
models.py	CUT (Contrastive Unpaired Translation) Generator + PatchGAN + PatchNCE Loss
dataset.py	L 通道车牌 DataLoader
train.py	训练脚本

当前状态：❌ 未实际使用。设计目标是用 GAN 将合成车牌的 L (亮度) 通道纹理迁移为真实风格，替代硬编码的 JPEG 退化模拟。但因以下原因废弃：

• CV 管线的 JPEG 降采样 + 模糊退化已能满足训练需要
• GAN 训练需要额外 GPU 时间，收益不明确
• YOLO 检测模型对退化模拟的敏感度不高

代码保留以供未来可能的实验。

3.4 scripts/ — 一键脚本

脚本	功能
quick_test.sh	快速测试：生成 20 张警车牌
preview_all.sh	预览全部 9 种类型（各 2 张 + 中间结果）
gan_data_prep.sh	GAN 训练数据准备（当前无实际用途）

4. CCPD_SPE/ — 特殊车牌数据集（输出）

由 C++ 管线（cpp_pipeline/）生成，按 CCPD 子集 → 特殊车牌类型两级目录组织：

CCPD_SPE/
├── ccpd_base/
│   ├── police/  gangao/  coach/  new_energy/  ...
├── ccpd_tilt/
├── ccpd_weather/
...

文件命名：{CCPD原名}__{特殊车牌类型}__{车牌号拼音}.jpg

5. ccpd_combined_5k5k_spe/ — YOLO 训练数据集

由 scripts/build_ccpd_combined.py 构建，合并三部分：

• CCPD2019 原始蓝牌（5k 张采样）
• CCPD2020 原始蓝牌（5k 张采样）
• CCPD_SPE 特殊车牌（全量）

输出标准 YOLO 格式：images/ + labels/（单类 license_plate），直接用于训练 yolov5t。

6. 其他

路径	说明
LP_Standard.md	GA36-2018 中国机动车号牌标准全文参考（颜色、尺寸、字符集）
scripts/build_ccpd_combined.py	YOLO 数据集构建脚本
output/	临时输出目录（调色预览、调试中间结果），已在 .gitignore 中排除

---

数据流（实际使用）

chinese_license_plate_generator/          CCPD/ (CCPD2019/CCPD2020)
        │                                        │
        ▼                                        ▼
   MultiPlateGenerator              parse_ccpd_filename() 解析角点
        │                                        │
        ▼                                        ▼
  cpp_pipeline/plate_swap.cpp ─── 色温匹配 → 透视回贴 → 羽化 → 噪声 ──→ CCPD_SPE/
        │                                                                   │
  [预生成 .bin 池]                                                          │
                                                                             │
        CCPD (5k+5k 蓝牌) ─────────────────────────────────────────────────┤
                                                                             ▼
                                                           build_ccpd_combined.py
                                                                             │
                                                                             ▼
                                                               ccpd_combined_5k5k_spe/
                                                                             │
                                                                             ▼
                                                                     ICE_NNv2/yolov5t/

---

技术说明

项目	说明
角点来源	CCPD 文件名自带，无需 YOLO/ICE-COR 推理
色温匹配	Lab 空间白参考提取，每通道 clamp ±15%
羽化策略	纯内侧距离变换羽化，不做泊松融合（保护车牌本色）
噪声匹配	从原车牌区域估计 σ + Laplacian 模糊度，仅车牌区域叠加
退化模拟	JPEG Q=2 + 4×降采样→最近邻升采样 + GaussianBlur
GAN	未实际使用，代码保留在 gan_pipeline/
C++ 版	★ 生产引擎，CCPD_SPE 全量由此生成；Python 版为开发原型