安装Darknet
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:
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
课程大纲
- 第一章 课程介绍
- 1-1试看 课程介绍09:24
- 第二章 目标检测基础知识
- 2-1目标检测-任务03:22
- 2-2目标检测-常用数据集03:12
- 2-3目标检测-性能指标13:48
- 2-4目标检测-网络模型演进06:09
- 第三章 YOLOv3目标检测原理
- 3-1YOLOv3原理20:02
- 第四章 初识Darknet
- 4-1初识Darknet07:06
- 第五章 安装Darknet
- 5-1安装Darknet09:01
- 第六章 数据集标注及格式
- 6-1数据集标注及格式03:31
- 第七章 LISA数据集介绍、下载及格式转换
- 7-1LISA交通标志数据集介绍09:29