kirl
a64690477a
- Add README.md to all 16 dataset directories with script references - Centralize generation scripts under scripts/ with full README - Update .gitignore to cover all data directories, keep only metadata - Remove redundant CCPD/.gitignore (parent covers same rules) - Remove stale scripts/test/ (254MB pipeline residue) - Fix label parser reference: scripts are authoritative source of truth
2.8 KiB
2.8 KiB
CCPD_19K — 11类中国车牌数据集
以脚本为准：生成逻辑以
ICE_Dataset/scripts/build_ccpd_19k.py为准。
基于 CCPD 构建的 11 分类车牌数据集，涵盖蓝牌、绿牌及 9 种特殊车牌。
数据来源
| 来源 | 类型 | 采样数 | 说明 |
|---|---|---|---|
| CCPD2019 | 蓝牌 (blue) | 5,000（随机） | 全蓝牌，从 341,369 张中随机抽取 |
| CCPD2020 | 绿牌 (green) | 5,000（随机） | 全绿牌，从 11,776 张中随机抽取 |
| CCPD_SPE | 特殊车牌 (9类) | 9,000（全部） | 9 类特殊车牌，每类 1,000 张 |
11 类车牌
| 序号 | 类别 | 目录名 | 说明 | 底板色 |
|---|---|---|---|---|
| 1 | 蓝牌 | blue |
普通小型汽车 | 蓝底白字 |
| 2 | 绿牌 | green |
新能源小型汽车 | 绿底黑字 |
| 3 | 警车 | police |
警用车牌 | 白底，末位"警"红字 |
| 4 | 军车 | army |
军车/武警 | 白底 |
| 5 | 港澳 | gangao |
港澳入出境 | 黑底，粤Z·XXXX港/澳 |
| 6 | 使馆旧版 | shiguan_old |
使馆车牌（旧版） | 黑底，"使"红字 |
| 7 | 使馆新版 | shiguan_new |
使馆车牌（新版） | 黑底 |
| 8 | 领馆旧版 | lingguan_old |
领馆车牌（旧版） | 黑底，"领"红字 |
| 9 | 领馆新版 | lingguan_new |
领馆车牌（新版） | 黑底 |
| 10 | 教练车 | coach |
教练车牌 | 黄底，末位"学" |
| 11 | 新能源大型 | new_energy |
大型新能源 | 黄绿双拼，8位 |
目录结构
CCPD_19K/
├── train/ # 训练集 (90%, 17,100 张)
│ ├── blue/ # 4,500 张
│ ├── green/ # 4,500 张
│ ├── police/ # 900 张
│ ├── army/ # 900 张
│ ├── gangao/ # 900 张
│ ├── shiguan_old/ # 900 张
│ ├── shiguan_new/ # 900 张
│ ├── lingguan_old/ # 900 张
│ ├── lingguan_new/ # 900 张
│ ├── coach/ # 900 张
│ └── new_energy/ # 900 张
├── test/ # 测试集 (10%, 1,900 张)
│ ├── blue/ # 500 张
│ ├── green/ # 500 张
│ └── ... (同上 11 类)
└── README.md
划分方式
- 训练集:测试集 = 9:1
- 分层抽样（stratified）：每类内部独立按 9:1 划分
- 随机种子：42（可复现）
总计
- 训练集：17,100 张
- 测试集：1,900 张
- 总计：19,000 张
生成脚本
# 构建 CCPD_19K (从源数据采样)
python build_ccpd_19k.py
# 推理 → bbox拓展裁剪 → 角点重映射 → CCPD_19K_EXP_CUT
# 脚本位于 CCPD_19K_EXP_CUT/build_ccpd_19k_exp_cut.py
python ../CCPD_19K_EXP_CUT/build_ccpd_19k_exp_cut.py --full