reconhecimento de sinais de trânsito no ambiente rodoviário real - deteção de
ponto-alvo de rede neural autotreinada
Tutorial em vídeo 42 - Treino para detecção de alvos em redes neuronais Sinais de trânsito reais no ambiente rodoviário: https://singtown.com/learn/50918/
O código, os modelos e os conjuntos de dados estão todos em: https://github.com/SingTown/Traffic-Sign-FOMO
Passos chineses: https://github.com/SingTown/Traffic-Sign-FOMO/blob/main/README-CN.md
Um total de dois modelos foram treinados
O primeiro modelo: a resolução durante o treino é de 128 * 128, utilizando a aprendizagem por transferência MobilNetV2 0,35, a pontuação S1 92%, a taxa de fotogramas em execução é de cerca de 9 fotogramas e só pode ser executada no OpenMV4 Plus. (O OpenMV4 não tem memória suficiente)
O segundo modelo: a resolução durante a formação é de 96*96, utilizando a aprendizagem de transferência MobilNetV2 0,35, a pontuação S1 91%, a taxa de fotogramas em execução é de cerca de 12 fotogramas, a ocupação máxima da RAM é de 244 KB e pode ser executado em OpenMV4 e OpenMV4 Plus.
Site de formação online do parceiro OpenMV EdgeImpulse: https://www.edgeimpulse.com/
Perceber:
- Existem dois modelos no total. Se for OpenMV4, só pode utilizar este pequeno modelo treinado com uma resolução de 96*96. Além disso, ambos os modelos estão disponíveis.
- Existem cinco pastas no conjunto de dados: sem estacionamento x, sem sirenes n, limite de velocidade 80, sem entrada e imagens de teste. No modelo real e no tutorial, apenas utilizámos o conjunto de dados de No Parking.
- Apenas assinalei os três objetivos: proibido estacionar x, sem sirenes n e limite de velocidade 80,não rotulei nem treinei outros sinais que aparecem no conjunto de dados (como o limite de velocidade 60, o limite de velocidade 30, a proibição de entrada - etc.). ser.
- Agradecimentos —— Fonte do conjunto de dados reais de sinais de trânsito do ambiente rodoviário da China (Instituto de Automação, Academia Chinesa de Ciências): http://www.nlpr.ia.ac.cn/pal/trafficdata/detection.html