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: