车牌识别部分，参考LPRNet和Multi-line license plate recognition
车牌数据生成，参考fake_chs_lp、alpr_utils
理论上该网络可以识别单双行，只要添加数据训练，当前训练数据均为生成数据
数据来源
- CCPD2019，CCPD2020，裁切矫正车牌，参考prepare_ccpd.py
- 生成数据，通过gen_data.py生成数据集，每类车牌及细分类别的生成概率可通过配置文件config_gen.py配置
- 生成数据有使用贴图，可在
data/env_imgs中添加背景素材 - 车牌标签以文件名方式保存和读取，'日期'-'种类'-'号码'-'时间戳'，如
20220122-green+b-藏AQ2580D-1642860498000912.jpg
训练
- 修改训练的参数配置文件lpr.yml，一般修改保存路径、train和test数据路径，因为标签以文件名方式读取，只需要添加文件夹路径即可
- 修改配置文件后，
python train.py config/lpr.yml开始训练 - 建议单卡训练（多卡eval未修改），小的BatchSize对指标并无影响 测试
- 评估指标
python test.py --task val --config lpr-d.yml --model path/to/your/model - 结果测试
python inference.py --task val --config lpr-d.yml --model path/to/your/model --path path/to/your/img
支持车牌种类
- 蓝色单层车牌
- 黄色单层车牌
- 绿色新能源车牌、民航车牌
- 黑色单层车牌
- 白色警牌、军牌、武警车牌
- 黄色双层车牌
- 绿色农用车牌
- 白色双层军牌
车牌检测参考：https://github.com/gm19900510/Pytorch_Retina_License_Plate