基于Yolov5的交通标志检测识别设计
发布时间
阅读量：
阅读量
项目介绍
上一篇推送详细阐述了基于卷积神经网络的交通标志分类识别方法，并展示了其在实际应用中的可行性。
具体而言，在文章末尾展示了一款自定义应用软件的功能演示：通过该软件用户能够开发一个PyQt5界面并构建一个简单的False前端网页实现前后端间的交互功能。
值得注意的是该系统仅支持单一场景下的交通标志图像分类功能不具备位置信息检测功能及实时视频检测能力总体而言属于基础级项目。
本文将重点介绍基于Yolov5算法实现的道路交通标志自动检测与识别系统该系统不仅能够完成图像中的多目标检测还能实现实时视频检测任务表现出了较高的技术价值
视频演示：交通标志检测视频演示
视频演示的内容涉及以下几个方面：
- 交通标志识别
- 头盔识别
- 口罩识别
- 水果品质评估
- 手势识别
- 火灾情况监测
- 身体跌倒监测
- 电梯及电瓶车运行状态观察
- 结核杆菌鉴定
- 害虫分类鉴定
- 无人机性能测试
- 火灾及烟雾共存环境下的监测分析
- 草莓病害诊断
获取代码
创建虚拟环境
conda create -n yolov5 python=3.8.5
代码解读
安装pytorch（如果不会弄GPU的直接安装CPU版本）
安装CPU版本torch
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cpuonly
代码解读安装GPU版本torch（以我个人为例：我的显卡是3060Ti，CUDA版本是11.7）
pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113 -i https://pypi.tuna.tsinghua.edu.cn/simple
代码解读安装其他依赖库
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pyqt5==5.15.6 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pycocotools-windows==2.0.0.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
代码解读测试代码是否能跑
python detect.py --source data/images/traffic_sign.jpg --weights runs/train/exp7/weights/best.pt
代码解读项目文件夹data/images/bus.jpg图片在识别前的样子
执行操作的结果可在图形界面中可观察到，在runs\detect/exp7文件夹内可找到识别结果。
训练（可忽略）
接下来用pycharm打开项目，然后在Terminal中操作，输入以下命令
python train.py --data traffic_sign_data.yaml --cfg mask_yolov5s.yaml --weights pretrained/yolov5s.pt --epoch 100 --batch-size 4
代码解读进行训练的过程较为耗时；其中包含的是经过预先训练的数据集。因此无需执行传统的模型训练流程。
完成模型训练后，在完成模型训练后会生成一个实验文件...里面包含有若干评估指标
根据输出的识别结果可以知道，模型的准确率是非常的高！！！
运行GUI界面
在完成训练后执行该代码文件，并观察其运行结果。
全部评论 (0)
还没有任何评论哟~