Для работы библиотеки необходимо скачать обученную модель https://drive.google.com/file/d/1s_vjRpzZ7dkRSt20gj6qFM-9CdYDipIb/view?usp=drive_link В качестве набора данных был использован Stanfords Cars Dataset, а также для примера добавлен дополнительный класс – Toyota Gaia 2000. Для аугментации использовались следующие преобразования:
- изменение размера изображения до 224×224 с применением нормали-зации;
- случайный поворот от 1 до 10 градусов;
- случайное отражение по горизонтали;
- изменение цветов по яркости, контрастности, насыщенности и оттенка, на величину до 10% от исходного значения пиксела.
Метрики обучения для модели классификации ResNet-152 - максимальная точность на тестовой выборке 0.94.
Набор данных для обучения по номерному знаку - https://universe.roboflow.com/snowy-car-detection/number-plate-detection-c3hto/dataset/2
Метрики обучения для модели определения рамки номера yolov8n:
