1、我们的项目包含以下三个步骤：车辆牌照检测、牌照字符分割、牌照字符识别。我们使用Yolo（You Only Look One）算法来检测车辆牌照。Yolo是一个基于卷积神经网络的深度学习目标检测架构。
成都创新互联公司-专业网站定制、快速模板网站建设、高性价比明水网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式明水网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖明水地区。费用合理售后完善，十载实体公司更值得信赖。
2、车牌识别系统工作原理是利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别。
3、第二：车牌定位、第三：预处理、第四：字符分割、第五：字符识别、第六：输出车牌识别一体机抓拍的结果。以上步骤里包含了数字形态学运算法，字符串分割等算法。
YOLOv3借鉴了YOLOv1和YOLOv2，虽然没有太多的创新点，但在保持YOLO家族速度的优势的同时，提升了检测精度，尤其对于小物体的检测能力。
YOLO3更进一步采用了3个不同尺度的特征图来进行对象检测。能够检测的到更加细粒度的特征。 对于这三种检测的结果并不是同样的东西，这里的粗略理解是不同给的尺度检测不同大小的物体。
类别预测 使用的是sigmoid函数，没有用softmax因为没必要。不同尺度的预测 YOLOv3使用k-means聚类来确定bounding box priors，选择了9个clusters和3个scales，然后在整个scales上均匀分割clusters。
YOLO 是一种使用神经网络提供实时对象检测的算法。该算法因其速度和准确性而广受欢迎。它已在各种应用中用于检测交通信号、人员、停车计时器和动物。YOLO 是“You Only Look Once”一词的缩写。
YOLO是一种流行的物体检测算法，全称为You Only Look Once。YOLO（You Only Look Once）是一种流行的物体检测算法，它被广泛应用于图像和视频处理领域。
Yolo是一种目标检测算法。目标检测的任务是从图片中找出物体并给出其类别和位置，对于单张图片，输出为图片中包含的N个物体的每个物体的中心位置（x，y)、宽（w)、高（h)以及其类别。
