実際の道路環境の交通標識認識 - 自己学習型ニューラルネットワーク目標点検出

ビデオ チュートリアル 42 - ニューラル ネットワークのターゲット検出のトレーニング 実際の道路環境の交通標識: https://singtown.com/learn/50918/

コード、モデル、データセットはすべて https://github.com/SingTown/Traffic-Sign-FOMO にあります。

中国語の手順: https://github.com/SingTown/Traffic-Sign-FOMO/blob/main/README-CN.md

合計 2 つのモデルがトレーニングされました

最初のモデル: トレーニング中の解像度は 128*128、MobilNetV2 0.35 転移学習を使用、S1 スコアは 92%、実行フレーム レートは約 9 フレームで、OpenMV4 Plus でのみ実行できます。 (OpenMV4 にはメモリが不足しています)

2 番目のモデル: トレーニング中の解像度は 96*96、MobilNetV2 0.35 転送学習を使用、S1 スコアは 91%、実行フレーム レートは約 12 フレーム、ピーク RAM 占有量は 244KB、OpenMV4 および OpenMV4 Plus で実行できます。

OpenMV パートナー EdgeImpulse オンライン トレーニング Web サイト: https://www.edgeimpulse.com/

知らせ：

  1. OpenMV4 の場合、96*96 の解像度でトレーニングされたこの小さなモデルのみを使用できます。さらに、両方のモデルが利用可能です。
  2. データ セットには、駐車禁止 x、サイレン禁止 n、制限速度 80、進入禁止、およびテスト写真の 5 つのフォルダーがあります。 実際のモデルとチュートリアルでは、駐車禁止のデータセットのみを使用しました
  3. 制限速度 80 や制限速度 60 などの駐車禁止標識の 3 つの目標のみをマークしましたが、制限速度 60 などの新しいターゲットをトレーニングするためのラベルを追加することもできます。
  4. 謝辞 - 中国の実際の道路環境交通標識データセットの出典 (中国科学院自動化研究所): http://www.nlpr.ia.ac.cn/pal/trafficdata/detection.html

results matching ""

    No results matching ""