【pytorch + deeplab v3】运用语义分割提取车牌

话不多说，直接看成果图：

可以看出来，识别的效果还是很不错的。

半年前，我写过【python + opencv + pytorch 】车牌提取、分割、识别一文来提取、分割、识别车牌，其中提取和分割车牌用的是 OpenCV 来实现的，奈何个人对 OpenCV 掌握程度有限，最后提取车牌的效果不是很好，鲁棒性很差，当时就想着，如果能用其他深度学习来提取车票效果可能会比较好，后面查询了很多资料，或许用深度学习里面的目标检测算法 YOLO V3 来实现车牌的提取，但是学习 YOLO V3 算法中途突然有事，这个事情就搁置下来了，直到近几天，突然心血来潮想把这个功能实现一下，然后发现用语义分割来做这个功能可能更加恰当，因为 YOLO V3 检测出来的结果可能会夹带很多噪声，这样很容易导致最后车牌字符识别的结果，而如果用语义分割来做的话，噪声问题应该比较容易解决，所以就去学了一下语义分割框架 deeplab v3+ ，然后自己制作了274张车牌的数据集(数据集是用labelme做的，比较简单，这里就不详述)

当然，deeplab v3+ 框架不是我写的，我用的是Bubbliiiing大佬写的，具体如何实现可参详大佬的文章。我这里只是用自己收集的数据集去跑了一下，后面会在此车牌提取的基础上，再去实现车牌分割，最后实现车牌识别。代码工程和数据就暂时不放了，以后全部实现车牌识别之后应该会放出来。