【深度学习】基于YOLOv5的交通标志识别系统-TT100K

每天进步一点丶

1756人浏览 · 2023-05-19 17:32:35

每天进步一点丶 · 2023-05-19 17:32:35 发布

基于YOLOv5的交通标志识别系统-TT100K

使用的数据集为TT100K。由于原始数据集较大，且分类数量较多，因此选取了分类数量最多的45类数据进行训练。

实验环境

Ubuntu18.04 / Windows 10
CUDA 10.1 cudnn7.6.1
Python 3.8.2 PyTorch 1.8.1
YOLOv5 6.0

使用说明

下载TT100K数据集,并下载相应的45分类的json文件，然后使用convert_data.py将其转换，得到划分好的数据集。最后进行训练。

训练结果

在这里插入图片描述

使用PyQt5进行可视化展示

在这里插入图片描述

DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

从果蝇脑到递归自我改进RSI：2026 仿生 AI 调研全景（附 12 份报告脉络）

2026年AI研究面临核心悖论：递归自我改进（RSI）的瓶颈在于AI无法可靠自验证。本文调研揭示，物理环境的不可欺骗性与果蝇脑的14万神经元机制或为突破口——其“冲突分离、多时间尺度记忆”等生物原理可转化为计算架构。结合连接组先验、双速率优化与关键期门控，提出三大可操作方向：以物理环境为抗俘获验证锚点、构建具身化自评估系统、实现类脑结构的动态演化。