---
title: cv_resnet18_license-plate-detection_damo
canonical_url: "https://www.modelscope.cn/models/iic/cv_resnet18_license-plate-detection_damo"
md_url: "https://www.modelscope.cn/models/iic/cv_resnet18_license-plate-detection_damo.md"
repository: iic/cv_resnet18_license-plate-detection_damo
chinese_name: "读光-车牌检测-通用"
last_updated: 2022-12-02
license: "Apache License 2.0"
pipeline_tag: license-plate-detection
tasks:
  - license-plate-detection
library_name:
  - pytorch
frameworks:
  - pytorch
language:
  - en
  - ch
domain:
  - cv
downloads: 381177
stars: 48
tags:
  - OCR
  - Alibaba
  - "车牌检测"
---

# cv_resnet18_license-plate-detection_damo

> cv_resnet18_license-plate-detection_damo - iic 在 ModelScope 开源的模型。车牌检测模型介绍 给定一张图片，检测出图中车牌的位置并输出车的类型（比如小汽车，挂车，新能源车等）。

iic/cv_resnet18_license-plate-detection_damo 是 ModelScope 魔搭社区上的license-plate-detection模型，采用 Apache License 2.0 许可。

- **Repository**: iic/cv_resnet18_license-plate-detection_damo
- **License**: Apache License 2.0
- **Tasks**: license-plate-detection
- **Tags**: OCR, Alibaba, 车牌检测
- **Downloads**: 381177
- **Stars**: 48
- **Last updated**: 2022-12-02

Source: https://www.modelscope.cn/models/iic/cv_resnet18_license-plate-detection_damo

---

# 车牌检测模型介绍
给定一张图片，检测出图中车牌的位置并输出车的类型（比如小汽车，挂车，新能源车等）。

## 模型描述

本模型是以自底向上的方式: 1）首先识别出车牌的中心点；2）基于中心点回归出车牌的bbox；3）基于车牌中心点识别出车类型。模型介绍，详见：

![pipeline](./description/Pipeline.jpg)


## 期望模型使用方式以及适用范围
输入图片，模型自动检测出所有车牌并给出对应的车型。用户可以自行尝试各种输入图片。具体调用方式请参考代码示例。

### 如何使用
在安装完成ModelScope之后即可使用license-plate-detection的能力。

### 预处理和后处理
测试时的主要预处理和后处理如下：
- Resize Pad（预处理）: 输入图片长边resize到1024，短边等比例缩放，并且补pad到长短边相等。同时有减均值除方差等归一化操作。

### 代码范例
```python
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
license_plate_detection = pipeline(Tasks.license_plate_detection, model='damo/cv_resnet18_license-plate-detection_damo')
result = license_plate_detection('https://modelscope.oss-cn-beijing.aliyuncs.com/test/images/license_plate_detection.jpg')
print(result)
```


### 模型局限性以及可能的偏差
- 由于除小汽车以外，其他车型数据很少，因此车型识别效果欠佳。

## 模型训练流程
本模型利用imagenet预训练参数进行初始化，然后在训练数据集上进行训练。