Reconocimiento de señales de tráfico en un entorno vial real: detección de
puntos objetivo de red neuronal autodidacta
Vídeo tutorial 42 - Entrenamiento de redes neuronales Detección de objetivos Señales de tráfico en el entorno vial real: https://singtown.com/learn/50918/
El código, los modelos y los conjuntos de datos se encuentran en: https://github.com/SingTown/Traffic-Sign-FOMO
Pasos chinos: https://github.com/SingTown/Traffic-Sign-FOMO/blob/main/README-CN.md
Se entrenaron un total de dos modelos
El primer modelo: la resolución durante el entrenamiento es 128 * 128, utilizando MobilNetV2 0.35 transferencia de aprendizaje, puntuación S1 del 92%, la velocidad de fotogramas en ejecución es de aproximadamente 9 fotogramas y solo se puede ejecutar en OpenMV4 Plus. (OpenMV4 no tiene suficiente memoria)
El segundo modelo: la resolución durante el entrenamiento es 96 * 96, utiliza el aprendizaje por transferencia MobilNetV2 0.35, puntuación S1 del 91%, la velocidad de fotogramas en ejecución es de aproximadamente 12 fotogramas, el uso máximo de RAM es de 244 KB y se puede ejecutar en OpenMV4 y OpenMV4 Plus.
Sitio web de capacitación en línea EdgeImpulse, socio de OpenMV: https://www.edgeimpulse.com/
Aviso:
- Hay dos modelos en total. Si es OpenMV4, solo puedes usar este pequeño modelo entrenado con una resolución de 96*96. Además ambos modelos están disponibles.
- Hay cinco carpetas en el conjunto de datos: prohibido aparcar x, sin sirenas n, límite de velocidad 80, prohibido entrar e imágenes de prueba. En el modelo real y en el tutorial, solo utilizamos el conjunto de datos de No estacionar.
- Solo marqué los tres objetivos de No estacionar. Las señales, como el límite de velocidad 80 y el límite de velocidad 60, pueden no ser reconocidas. También puede agregar etiquetas para entrenar nuevos objetivos, como el límite de velocidad 60, etc.
- Agradecimientos —— Fuente del conjunto de datos de señales de tráfico del entorno vial real de China (Instituto de Automatización, Academia de Ciencias de China): http://www.nlpr.ia.ac.cn/pal/trafficdata/detection.html