CCPD数据集标注实战指南：从数据清洗到模型训练的全流程解析

共计 1843 个字符，预计需要花费 5 分钟才能阅读完成。

1. CCPD 数据集背景与应用场景

CCPD（Chinese City Parking Dataset）是目前国内最大的公开车牌检测与识别数据集，包含超过 30 万张真实场景下的车牌图像。数据覆盖不同天气、光照条件及复杂背景，具有以下典型特征：

• 包含蓝牌、黄牌、新能源车牌等常见类型
• 每张图片附带车牌四个角点坐标及完整文本标注
• 提供车辆品牌、颜色等辅助信息

实际应用中，CCPD 常被用于：

1. 智能交通系统中的车牌自动识别
2. 停车场无感支付系统开发
3. 城市安防监控的车辆追踪

2. 标注过程中的常见痛点

新手处理 CCPD 数据集时最常遇到这些难题：

• 标注格式混乱 ：原始数据同时存在 txt/json 两种标注格式
• 数据噪声问题 ：约 5% 的样本存在模糊、遮挡或标注错误
• 坐标系统不统一 ：有的使用绝对坐标，有的使用相对坐标
• 类别缺失 ：部分特殊车牌类型未单独分类

3. 数据清洗与预处理实战

3.1 环境准备

# 基础依赖库
import os
import json
import cv2
import numpy as np
from tqdm import tqdm  # 进度条显示 

3.2 格式标准化处理

def convert_to_coco_format(ccpd_path, output_dir):
    """将 CCPD 原始标注转换为 COCO 标准格式"""
    annotations = []
    for filename in tqdm(os.listdir(ccpd_path)):
        if not filename.endswith('.json'):
            continue

        with open(os.path.join(ccpd_path, filename)) as f:
            data = json.load(f)

        # 提取四个角点坐标（示例只展示关键逻辑）points = np.array(data['vertices']).reshape(4, 2)
        bbox = cv2.boundingRect(points.astype(np.float32))

        annotations.append({'image_id': filename.split('.')[0],
            'bbox': [bbox[0], bbox[1], bbox[2], bbox[3]],
            'plate_number': data['plate_number']
        })

    # 保存转换结果
    with open(os.path.join(output_dir, 'annotations.json'), 'w') as f:
        json.dump(annotations, f)

3.3 数据增强策略

推荐使用 Albumentations 库进行实时增强：

import albumentations as A

transform = A.Compose([A.RandomBrightnessContrast(p=0.3),
    A.RandomFog(p=0.1),  # 模拟雾天效果
    A.RandomRain(p=0.1), # 模拟雨天效果
    A.CLAHE(p=0.5)
], bbox_params=A.BboxParams(format='pascal_voc'))

4. 标注工具选型建议

根据项目需求选择合适的工具：

• 轻量级方案 ：LabelImg（适合快速验证）
• 专业级方案 ：CVAT（支持视频标注和团队协作）
• 定制化方案 ：使用 OpenCV+PyQt 自建工具（适合特殊需求）

工具使用技巧：

1. 在 CVAT 中创建 ”plate” 和 ”character” 两级标签
2. 设置快捷键加速标注过程（如 W 创建矩形框）
3. 利用自动标注功能处理相似样本

5. 模型训练避坑指南

5.1 骨干网络选择

• 轻量级：MobileNetV3（参数量 <5M）
• 高精度：ConvNeXt（需 GPU 支持）

5.2 关键参数配置

training_params = {
    'batch_size': 32,  # 根据显存调整
    'learning_rate': 3e-4,
    'warmup_epochs': 2,  # 避免初期震荡
    'weight_decay': 1e-4  # 防止过拟合
}

常见问题处理：

1. 遇到 NaN 损失：检查数据中是否存在无效标注
2. 验证集准确率波动：增加数据多样性
3. 小目标检测效果差：使用 FPN 结构

6. 性能优化建议

• 推理加速 ：
• 使用 TensorRT 部署模型

• 对输入图像做等比例缩放（避免变形）

• 精度提升 ：

• 增加夜间样本的采集比例
• 对新能源车牌单独建立字符字典

实践建议

建议按以下步骤进行实践：

1. 从 CCPD-Green 子集开始（样本复杂度较低）
2. 先完成 1000 张样本的完整流程验证
3. 使用 wandb 等工具监控训练过程

期待大家在实践过程中发现更多优化点，欢迎在评论区分享你的调参经验！