Reconocimiento de señales de tránsito en un entorno vial real: entrenamiento

propio de detección de puntos objetivo con red neuronal

Tutorial en video 42 - entrenamiento de detección de objetivos con red neuronal para señales de tránsito en un entorno vial real: https://singtown.com/learn/50918/

El código, el modelo y el conjunto de datos están disponibles en: https://github.com/SingTown/Traffic-Sign-FOMO

Pasos en chino: https://github.com/SingTown/Traffic-Sign-FOMO/blob/main/README-CN.md

En total se entrenaron dos modelos

El primer modelo: la resolución durante el entrenamiento fue de 128*128, usando aprendizaje por transferencia con MobilNetV2 0.35, con una puntuación S1 del 92%, una tasa de fotogramas de ejecución de aproximadamente 9 fotogramas, y solo puede ejecutarse en OpenMV4 Plus. (OpenMV4 no tiene suficiente memoria)

El segundo modelo: resolución de 96*96 durante el entrenamiento, usando aprendizaje por transferencia con MobilNetV2 0.35, con una puntuación S1 del 91%, una tasa de fotogramas de ejecución de aproximadamente 12 fotogramas, un uso máximo de RAM de 244KB, y puede ejecutarse en OpenMV4 y OpenMV4 Plus.

Sitio web de entrenamiento en línea del socio de OpenMV, EdgeImpulse: https://www.edgeimpulse.com/

Nota:

1. En total hay dos modelos. Si se trata de OpenMV4, solo se puede usar este modelo pequeño entrenado con resolución 96*96. El Plus puede usar ambos modelos.
2. El conjunto de datos contiene cinco carpetas: No Parking x, No Horn n, Speed Limit 80, No Entry- y Test Pictures. En el modelo y el tutorial reales, solo usamos No Parking x, No Horn n, Speed Limit 80 y Test Pictures. El conjunto de datos No Entry- no está etiquetado ni entrenado. Puede elegir si desea etiquetar y entrenar No Entry-.
3. Solo etiqueté los tres objetivos No Parking x, No Honking n y Speed Limit
   1. No etiqueté ni entrené otras señales del conjunto de datos (como Speed Limit 60, Speed Limit 30, No Entry, etc.). Las señales demasiado similares, como Speed Limit 80 y Speed Limit 60, pueden identificarse de forma errónea. También puede agregar anotaciones y entrenar nuevos objetivos, como Speed Limit 60, etc.
4. Agradecimientos - Fuente del conjunto de datos de señales de tránsito en entornos viales reales de China (Instituto de Automatización, Academia China de Ciencias): http://www.nlpr.ia.ac.cn/pal/trafficdata/detection.html