基于PyTorch的交通标志目标检测系统

一、开发环境

  • Windows 10
  • PyCharm 2021.3.2
  • Python 3.7
  • PyTorch 1.7.0

二、制作交通标志数据集,如下图

三、配置好数据集的地址,然后开始训练

python 复制代码
python train.py --data traffic_data.yaml --cfg traffic_yolov5s.yaml --weights pretrained/yolov5s.pt --epoch 100 --batch-size 4

四、训练完成后进行推理预测,效果如图

五、完整源码、数据集和模型文件下载

链接:https://pan.baidu.com/s/111wLXWLckTfrHIEGZyXeqA?pwd=w5q6

提取码:w5q6

相关推荐
西猫雷婶2 分钟前
神经网络|(十二)概率论基础知识-先验/后验/似然概率基本概念
人工智能·神经网络·机器学习·回归·概率论
居7然1 小时前
大模型微调面试题全解析:从概念到实战
人工智能·微调
haidizym2 小时前
质谱数据分析环节体系整理
大数据·人工智能·数据分析·ai4s
Godspeed Zhao2 小时前
Tesla自动驾驶域控制器产品(AutoPilot HW)的系统化梳理
人工智能·机器学习·自动驾驶
fsnine2 小时前
机器学习案例——预测矿物类型(模型训练)
人工智能·机器学习
数据知道3 小时前
机器翻译60天修炼专栏介绍和目录
人工智能·自然语言处理·机器翻译
分布式存储与RustFS3 小时前
RustFS的边缘计算优化方案在5G MEC场景下的实测数据如何?
人工智能·5g·开源·边缘计算·rustfs
2501_924890523 小时前
商超场景徘徊识别误报率↓79%!陌讯多模态时序融合算法落地优化
java·大数据·人工智能·深度学习·算法·目标检测·计算机视觉
SalvoGao3 小时前
空转学习 | cell-level 与 spot-level的区别
人工智能·深度学习·学习
初岘4 小时前
自动驾驶GOD:3D空间感知革命
人工智能·3d·自动驾驶