以下4个py文件需要单独运行： 首先运行annotation.py文件：将CCPD数据集进行划分，生成.txt路径文件存储到model_data文件夹中。 然后运行k_means_calculate.py文件：计算生成anchors数值，存储到model_data文件夹中。 再然后运行train.py文件：加载原始权重，训练YOLOv4模型，并将每轮训练的结果存储进Logs文件夹中。 最后运行yolo_predict.py文件：载入训练好的YOLOv4权重，对测试集数据进行检测，检测结果存放入demo文件夹中。 算法效果：---------------------------------------------------------------------- YOLOv4每张图片检测耗时323.8ms，精度较高，训练40 epoch左右后val loss降低至0.3附近，效果非常满意。 训练过程中random数据增强非常重要，可大幅提升模型性能，进一步降低val loss。

利用opencv库，进行车牌号位置检测。 包括：图像resize、双边滤波、边缘特征提取、曲线拟合等等。