YOLOv3目标检测实战:交通标志识别

技术标签: YOLO  目标检测  交通标志识别  无人驾驶  深度学习

在无人驾驶中,交通标志识别是一项重要的任务。本项目以美国交通标志数据集LISA为训练对象,采用YOLOv3目标检测方法实现实时交通标志识别。

具体项目过程包括包括:安装Darknet、下载LISA交通标志数据集、数据集格式转换、修改配置文件、训练LISA数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。

YOLOv3可以实时地进行端到端的目标检测,以速度快见长。本课程将手把手地教大家使用YOLOv3实现交通标志识别。本课程的YOLOv3使用Darknet,在Ubuntu上做项目演示。 Darknet是使用C语言实现的轻型开源深度学习框架,依赖少,可移植性好,值得深入学习和探究。

本人推出的有关YOLOv3的系列课程包括:

(1)YOLOv3目标检测实战:训练自己的数据集

(2)YOLOv3目标检测实战:交通标志识别(即本课程)

  课程链接:

(3)YOLOv3目标检测:原理与源码解析

(4)YOLOv3目标检测:网络模型改进方法

与课程《YOLOv3目标检测实战:训练自己的数据集》相比,本课程的区别主要在于学习数据集格式转换,即把LISA数据集从csv格式转换成YOLOv3所需要的PASCAL VOC格式和YOLO格式。本课程提供数据集格式转换的Python代码。

请大家关注以上课程,并选择学习。

下图是使用YOLOv3进行交通标志识别的测试结果:

交通标志speedLimit

交通标志signalAhead

交通标志pedeatrialCrossing

交通标志stop

原文地址:
秒速时时彩 幸运飞艇官网 澳洲幸运10开奖结果 三分PK拾平台 飞速赛车平台 湖南快乐十分 山东11选5开奖 湖北快3 左右棋牌 韩国1.5分彩