修改readme

README.md

@@ -13,7 +13,10 @@ LPR是一个基于深度学习技术的车牌识别模型，主要识别目标
 ## 数据集
 推荐使用一个车牌数据集[CCPD](https://github.com/detectRecog/CCPD "CCPD官网GitHub")，该数据集由中科大收集，可用于车牌的检测与识别。
 
-我们提供了一个脚本cut_ccpd.py用于剪裁出CCPD数据集中的车牌位置，以便用于LPR模型的训练，在cut_ccpd.py中修改img_path和save_path即可，分别是CCPD数据集中ccpd_base文件夹的路径和剪裁出的图像保存路径。LPR用于训练的数据文件名就是图像的标签。**数据集使用固定的大小94x24。**
+我们提供了一个脚本cut_ccpd.py用于剪裁出CCPD数据集中的车牌位置，以便用于LPR模型的训练，在cut_ccpd.py中修改img_path和save_path即可，分别是CCPD数据集中ccpd_base文件夹的路径和剪裁出的图像保存路径。LPR用于训练的数据文件名就是图像的标签。**数据集使用固定的大小94x24。**使用方法：
+    python cut_ccpd.py \
+        --ccpdpath CCPD数据集下ccpd_base文件夹路径 \
+        --savepath 保存切割图像的路径 
 ## 训练及推理
 ### 环境配置
 在[光源](https://www.sourcefind.cn/#/service-details)可拉取docker镜像，在[光合开发者社区](https://cancon.hpccube.com:65024/4/main/)可下载Migraphx和ONNXruntime安装包。LPR推荐的镜像、Migraphx以及ONNXruntime版本如下：

cut_ccpd.py

+'''
+Author: liuhy
+email: liuhy6@sugon.com
+Date: 2023-03-03 10:17:07
+LastEditTime: 2023-03-03 11:28:33
+FilePath: \lpr\cut_ccpd.py
+'''
 # -*- coding: utf-8 -*-
 # @Author: liuhy
 # @Email: 17603873430@163.com
@@ -7,6 +14,7 @@
 import os
 import cv2
 import time
+import argparse
 
 provinces = ['皖', '沪', '津', '渝', '冀', '晋', '蒙', '辽', '吉', '黑', '苏', '浙', '京', '闽', '赣', '鲁', '豫', '鄂', '湘', '粤', '桂', '琼', '川', '贵', '云', '藏', '陕', '甘', '青', '宁', '新', '警', '学', 'O']
 alphabets = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'J', 'K', 'L', 'M', 'N', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W','X', 'Y', 'Z', 'O']
@@ -45,7 +53,9 @@ def cut_img(img_path, save_path):
             print('wrong image:', image)
 
 if __name__=='__main__':
-    img_path = 'CCPD/ccpd_base'
-    save_path = 'CCPD/lp_base'
-    cut_img(img_path, save_path)
+    parser = argparse.ArgumentParser(description='parameters to vaildate net')
+    parser.add_argument('--ccpdpath', default='CCPD/ccpd_base', help='model path to vaildate')
+    parser.add_argument('--savepath', default='CCPD/lpr', help='the image path')
+    args = parser.parse_args()
+    cut_img(args.ccpdpath, args.savepath)