Choisis la meilleure frame

Dans la grille à gauche, clique sur la frame où la plaque est la plus visible et la plus nette. Les frames sont déjà triées : la #1 est celle que l'IA considère la meilleure.

Dessine le rectangle autour de la plaque

Clique et glisse sur l'image pour tracer un rectangle qui entoure la plaque d'immatriculation. Inclus un petit peu de marge autour. Si tu te trompes, clique "Effacer" et recommence.

Saisis la plaque correcte

Tape la plaque que tu vois réellement sur l'image (pas ce que l'IA a lu). Format : AB-123-CD. C'est cette valeur qui servira d'étiquette pour entraîner le modèle.

Sauvegarde

Clique "Sauvegarder". L'image et les coordonnées sont copiées dans le dataset local. Tu peux annoter plusieurs frames du même passage si la plaque est visible sous différents angles.

Exporter et entraîner

Une fois ~100-200 images annotées, clique "Export dataset" en haut à droite. Tu obtiens un fichier .zip avec :

• images/ — les frames annotées
• labels/ — les coordonnées YOLO (classe cx cy w h, normalisées 0→1)
• plates.csv — le texte de chaque plaque pour l'OCR
• data.yaml — config prête pour l'entraînement YOLOv8/v9

Ce dataset peut être utilisé sur Google Colab (GPU gratuit) pour fine-tuner le détecteur en ~30 minutes. Le nouveau .onnx remplace ensuite celui dans /models/.