正在用深度学习做车牌识别，既没有现成数据，也拿不到交通摄像头和小区、停车场等门禁数据，所以只能是网上找一部分、上街拍一部份、爬虫爬一部分！！！总之，多多少少是有一些可以用的数据了。
当然，筛选出可以用的数据后还需要人工给数据样本进行标注，也就是手动标出图片中的车牌。我模型用的是YOLO v2，它使用的是VOC格式的数据集，所以首先需要对训练集及验证集的图片进行标注，每张图片均可以得到相对应的同名xml文件，然后再将xml文件转化为txt标签文件。
1.安装标注工具LabelImg
先讲下windows平台下的安装(win10 64位)
1.安装Python2.7.11 64位
这里我是单独装的python2.7环境，没有用之前的Anaconda集成开发环境。
下载地址： /downloads/windows/
将下载好的PyQt4‑4.11.4‑cp27‑cp27m‑win_amd64.whl文件修改文件名PyQt4‑4.11.4‑cp27‑none‑win_amd64.whl，并放在E:\Python2.7.11\Lib\site-packages目录下。
shift+右键，打开power shell窗口，输入pip install PyQt4-4.11.4-cp27-none-win_amd64.whl，然后回车，进行安装。
完成后，打开python安装目录，即E:\Python2.7.11\Lib\site-packages\PyQt4路径下，双击designer.exe，就可以打开Qt软件。
有需要可以发送到桌面快捷方式，方便使用。
3.下载LabelImg源码并运行
下载地址：/tzutalin/labelImg
下载后并解压得到文件夹labelImg-master
该文件夹下，shift+右键，打开power shell窗口，看其他教程说是依次输入下面语句即可打开软件，但是我报错了，直接输入labelImg回车就可以打开了。
pyrcc4 -o resources.py resources.qrc
python labelImg.py
python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]
2. 标注图像
LabelImg安装完成后，打开标注工具，对文件夹内的图片作标注。
数据在plate_data文件夹下，新建plate_xml文件夹，用于存放生成的xml文件，并使用快捷键“Ctrl+R”修改默认的xml文件保存位置。
源码文件夹下，修改data/predefined_classes.txt文件，修改默认类别，改成plate1个类别(根据需求)。
“Open Dir”打开图片文件夹
“Create RectBox”画框，画完后点击“Save”保存。
