YOLOv3目标检测实战:交通标志识别

学习和学习使用YOLOv3目标检测方法实现交通标志识别

4864人学习

中级19课时2019/07/07更新

二维码下载学堂APP缓存视频离线看

白老师
白老师高级讲师讲师评分5.0学员377745课程80

长期从事IT技术研究和开发

更多
  • 课程介绍
  • 课程大纲

适合人群:

具有一定深度学习基础,希望掌握YOLOv3目标检测实战方法的同学们

你将会学到:

学习和学习使用YOLOv3目标检测方法实现交通标志识别

课程简介:

在无人驾驶中,交通标志识别是一项重要的任务。本项目以美国交通标志数据集LISA为训练对象,采用YOLOv3目标检测方法实现实时交通标志识别。

具体项目过程包括包括:安装Darknet、下载LISA交通标志数据集、数据集格式转换、修改配置文件、训练LISA数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。

YOLOv3基于深度学习,可以实时地进行端到端的目标检测,以速度快见长。本课程将手把手地教大家使用YOLOv3实现交通标志识别。本课程的YOLOv3使用Darknet,在Ubuntu系统上做项目演示。 Darknet是使用C语言实现的轻型开源深度学习框架,依赖少,可移植性好,值得深入学习和探究。

除本课程《YOLOv3目标检测实战:交通标志识别》外,本人推出了有关YOLOv3目标检测的系列课程,请持续关注该系列的其它课程视频,包括:

《YOLOv3目标检测实战:训练自己的数据集

《YOLOv3目标检测:原理与源码解析》

《YOLOv3目标检测:网络模型改进方法》

另一门课程《YOLOv3目标检测实战:训练自己的数据集》主要是介绍如何训练自己标注的数据集。而本课程的区别主要在于学习对已标注数据集的格式转换,即把LISA数据集从csv格式转换成YOLOv3所需要的PASCAL VOC格式和YOLO格式。本课程提供数据集格式转换的Python代码。

请大家关注以上课程,并选择学习。

下图是使用YOLOv3进行交通标志识别的测试结果:

1.jpg

2.jpg

3.jpg

4.jpg

展开更多

课程大纲-YOLOv3目标检测实战:交通标志识别

在线
客服
APP
下载

下载Android客户端

下载iphone 客户端

官方
微信

关注官方微信

返回
顶部