一、前言

哈囉，我是首次參賽的Xiang，歡迎來觀看這篇文章，本篇將以物件偵測為主題，其中會利用物件偵測試著做出一個簡易的車牌辨識模型，會做這個主題的起因是，在某次機會下聽到教授提起關於YOLO系列在物件偵測的應用，聽完後我整個人就不對勁了，因此想藉著這次參加鐵人賽的時間，試著在30天中，利用YOLO來學習物件偵測的應用。

恩？你問物件偵測是系蝦米挖歌？很簡單，相信各位在台灣的路上沒幾公尺就會看到測速照相機(絕對不是筆者在臭)，當你右腳不受控制時，此時閃光響起，相機就會去抓取車子的車牌並進行拍照，然後小朋友就離你而去了，這就是物件偵測的應用。本次的其中一個篇章就是要實現這個功能，透過YOLO來實現車牌的辨識，由於本人也是頭一次摸索，目前也不斷的在進行學習，有任何問題或錯誤請不吝指教。

照片來源：CTWANT https://autos.yahoo.com.tw/w/index.php/%E7%BD%B0%E5%96%AE%E6%AE%BA%E5%BE%88%E5%A4%A72-%E7%8C%9B%E9%96%8B%E7%BD%B0%E5%96%AE%E6%90%B6%E9%8C%A2%E6%95%91%E4%BA%A4%E9%80%9A-%E7%9B%A3%E5%A7%94-%E7%AB%8B%E5%A7%94%E7%97%9B%E6%89%B9%E5%BF%83%E6%85%8B%E4%B8%8D%E5%B0%8D%E6%83%B9%E6%B0%91%E6%80%A8-220000374.html

二、淺談車牌辨識

由於筆者後期的規劃是利用YOLO要製作出車牌辨識的模型，因此筆者大致上規劃了訓練的步驟，我們可以簡單地分成車牌的採集 => 建立標籤檔 => 前置處理 => 訓練模型 => 功能測試這幾個的部分。

關於車牌的採集，我們可以很輕鬆的在Google或各大的網站上尋找到相關的圖片，本次會利用YOLO訓練模型正確框出車牌的樣子，因此在選擇圖片時我們需要考慮到圖片的清晰度、光線的亮暗、圖片的角度等要件，否則會影響模型的辨識能力。

照片來源：維基百科 https://zh.wikipedia.org/zh-tw/臺灣車輛牌照

三、結語

目前已經將製作的流程初步規劃出來了，接著會進入YOLO系列的介紹，將會簡單的描述YOLO的原理以及運作方式，以及版本的變更帶來了什麼改變，如果對這個有興趣的話，請不要錯過明天的文章喔。