实际道路环境交通标志识别 - 自行训练神经网络目标点检测

视频教程42 - 训练神经网络目标检测 实际道路环境交通标志:https://singtown.com/learn/50918/

代码、模型、数据集 都在: https://github.com/SingTown/Traffic-Sign-FOMO

中文步骤: https://github.com/SingTown/Traffic-Sign-FOMO/blob/main/README-CN.md

一共训练得到两个模型

第一个模型:训练时分辨率128*128,使用MobilNetV2 0.35迁移学习,S1 Score 92%,运行帧率9帧左右,只能运行于OpenMV4 Plus。(OpenMV4内存不够)

第二个模型:训练时分辨率96*96,使用MobilNetV2 0.35迁移学习,S1 Score 91%,运行帧率12帧左右,峰值RAM占用244KB,在OpenMV4以及OpenMV4 Plus上都可以运行。

OpenMV合作伙伴EdgeImpulse在线训练网站: https://edgeimpulse.com/

注意:

  1. 一共有两个模型,如果是OpenMV4的话,只能使用96*96分辨率训练出来的这个小模型。Plus两个模型都可以用。
  2. 数据集里面有 禁止停车x、禁止鸣笛n、限速80、禁止驶入-、测试图片,一共五个文件夹。 实际模型以及教程我们只使用了 禁止停车x、禁止鸣笛n、限速80、测试图片 这些,没有标注以及训练 禁止驶入- 的数据集,你可以自己选择是否标注以及训练 禁止驶入-。
  3. 我只标注了 禁止停车x、禁止鸣笛n、限速80 这三个目标,数据集中出现的其他标志我都没有标注以及训练(比如 限速60 限速30 禁止驶入- 等), 太相似的标志 比如 限速80 和 限速60 可能会误识别,你也可以自己增加标注训练新的目标 比如 限速60 等。
  4. 致谢 —— 中国实际道路环境交通标志数据集的来源(中国科学院自动化研究所): http://www.nlpr.ia.ac.cn/pal/trafficdata/detection.html

results matching ""

    No results matching ""