GPT
הוספת כלי
Y

yolov11-license-plate-detection

קוד פתוח

morsetechlabagpl-3.02025-05-03

  • ultralytics
  • onnx
  • computer-vision
  • object-detection
  • license-plate

מודל מכוונן לזיהוי לוחיות רישוי בתמונות, שמציע גרסאות שונות מ־nano ועד x. הוא מתאים למי שבונה שלב ראשון של איתור לוחית לפני מנוע קריאת תווים.

  • 656 MBמשקל הקבצים
  • 75,459הורדות בחודש
  • 43לייקים

מה זה

הפיתוח הזה לוקח את ארכיטקטורת YOLOv11 ומאמן אותה על מאגר של 10,125 תמונות מ־Roboflow Universe במטרה אחת בלבד, איתור המיקום של לוחיות רישוי. המודל שוחרר בכל הגדלים של הסדרה, מגרסת n הקלה ועד x הכבדה, וכולל קובצי PyTorch ו־ONNX מוכנים לעבודה ישירה דרך הספרייה של ultralytics.

התוצאות שמדווחות על גרסת ה־x נראות מרשימות על הנייר, עם דיוק של 0.9893 ו־mAP50 של 0.9813 אחרי 300 מחזורי אימון. בפועל, המספרים האלה מנופחים בגלל בעיה בדאטה. המפתחים מודים בגלוי שהיה ערבוב בין תמונות האימון לתמונות המבחן, כך שהביצועים בשטח יהיו בהכרח נמוכים יותר ממה שמוצג בטבלה.

מתאים ל

  • בקרת כניסה לחניונים

    מזהה את מיקום הלוחית של רכבים בכניסה למחסום כדי לחתוך את האזור הרלוונטי ולהעביר אותו למנוע OCR.

  • מעקב תנועה בכבישים

    מאפשר לזהות לוחיות מתוך מצלמות דרך או מצלמות אבטחה עירוניות בקצבי ריצה מהירים בזכות גרסאות ה־YOLO הקלות.

  • שלב מקדים לקריאת תווים

    מבודד את הלוחית מתוך כלל הפריים, מה שחוסך משאבים ומאפשר למודלי קריאת טקסט לעבוד רק על הפיקסלים הנכונים.

איפה זה נופל

הבעיה המרכזית היא זיהום המאגר, תמונות זהות הופיעו באימון ובבדיקה עם שינויים קלים, ולכן אסור להסתמך על נתוני הדיוק שלו בלי לבדוק אותו על מאגר עצמאי שלכם. בנוסף, גודל הקלט המוגדר הוא 640 על 640 פיקסלים, מה שגורם לפספוס של לוחיות קטנות או רחוקות בתמונות ברזולוציה גבוהה אלא אם משתמשים בחלוקה לאריחים. המודל גם לא אומן על לוחיות ישראליות באופן ספציפי, ולוחיות של אופנועים או תבניות לא שגרתיות עלולות להתפספס.

שאלות
נפוצות

האם המודל קורא את המספר של הלוחית?

לא. המודל רק מוצא את מיקום הלוחית בתוך התמונה ומחזיר תיחום. כדי להמיר את התמונה למספר טקסטואלי תצטרכו לחבר לו מנוע OCR נפרד.

איך אפשר לזהות לוחיות מרחוק בלי לפספס?

האימון נעשה ברזולוציה של 640 פיקסלים, כך שלוחיות רחוקות הולכות לאיבוד. כדי להתמודד עם זה, אפשר להגדיר בהרצה רזולוציה גדולה יותר כמו 1280 או לעבוד עם ספריית חיתוך אריחים כמו SAHI.

איך מריצים

טוענים את המשקולות דרך ספריית ultralytics בגרסת PyTorch או מייצאים ל־ONNX להרצה קלה יותר. המשקל הכולל של הקבצים עומד על 656 מגה-בייט, שזה כלום, כך שגרסאות הבסיס הקטנות ירוצו בקלות גם על מעבד רגיל או חומרת קצה צנועה, בעוד גרסאות l ו־x ידרשו כרטיס מסך כדי לשמור על קצב פריימים סביר בווידאו.

אם אתם צריכים לזהות לוחיות בזמן אמת ממצלמת אבטחה מקומית, עדיף להריץ את המודל ישירות אצלכם. קריאה ל־API חיצוני במקרה כזה תגרור השהיה מיותרת ותלות ברשת שלא מתאימה לשערים או מחסומים שצריכים להיפתח מיד.

pip install -U huggingface_hub
hf download morsetechlab/yolov11-license-plate-detection

הקבצים

12 קבצים במאגר, 656 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון הוא AGPL 3.0. זהו רישיון קוד פתוח מגביל במיוחד, שמחייב אתכם לשחרר את כל קוד המקור של המערכת שלכם תחת אותו רישיון בדיוק אם אתם מאפשרים גישה אליה ברשת. לשימוש מסחרי סגור או פנימי בחברה, זה כנראה פוסל את השימוש בו לחלוטין.

הרישיון המלא בעמוד המודל ↗