在好莱坞的犯罪电影中,我们经常看到侦探们在电脑高手的帮助下进行破案,他们可以从模糊、低质量的图像中发现隐藏的信息。在技术上,电影中的黑魔法被称为(SISR)
在各种SISR应用中,汽车牌照的超分辨率以其巨大的潜力绝对是名列前茅的。例如,它可以用于执法,还可用于提高车牌识别和街道识别(地图服务)的准确性。
在本文中,将介绍在Python中实现的车牌图像增强。Jupyter notebook教程可以在此处(https://github.com/zzxvictor/License-super-resolution) 找到。
展示
在深入探讨模型体系结构和训练策略细节之前,向你展示一下模型的能力:
我们在逃逸事故案例中发现一个问题:车牌是在黑暗条件下由低质量摄像头拍摄的,而我们的模型不仅可以提高分辨率,还可以通过对图像进行去噪、调整亮度和对比度来增强车牌号的易读性。
系统架构
预处理
我们在本项目中使用的数据集为中国城市停车场数据集(https://github.com/detectRecog/CCPD) ,它包含了200k+个不同条件