在無人駕駛中，交通標誌識別是一項重要的任務。本項目以美國交通標誌數據集LISA爲訓練對象，採用YOLOv3目標檢測方法實現實時交通標誌識別。
具體項目過程包括包括：安裝Darknet、下載LISA交通標誌數據集、數據集格式轉換、修改配置文件、訓練LISA數據集、測試訓練出的網絡模型、性能統計(mAP計算和畫出PR曲線)和先驗框聚類。
YOLOv3可以實時地進行端到端的目標檢測，以速度快見長。本課程將手把手地教大家使用YOLOv3實現交通標誌識別。本課程的YOLOv3使用Darknet，在Ubuntu上做項目演示。 Darknet是使用C語言實現的輕型開源深度學習框架，依賴少，可移植性好，值得深入學習和探究。
本人推出的有關YOLOv3的系列課程包括：
（1）YOLOv3目標檢測實戰：訓練自己的數據集
（2）YOLOv3目標檢測實戰：交通標誌識別（即本課程）
課程鏈接：https://edu.51cto.com/course/18279.html
（3）YOLOv3目標檢測：原理與源碼解析
（4）YOLOv3目標檢測：網絡模型改進方法
與課程《YOLOv3目標檢測實戰：訓練自己的數據集》相比，本課程的區別主要在於學習數據集格式轉換，即把LISA數據集從csv格式轉換成YOLOv3所需要的PASCAL VOC格式和YOLO格式。本課程提供數據集格式轉換的Python代碼。
請大家關注以上課程，並選擇學習。
下圖是使用YOLOv3進行交通標誌識別的測試結果：
