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

在这里插入图片描述

# 深度学习 # python # 人工智能
Logo
AI编程社区

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

iflow-cli 尝试

从初步体验来看，iFlow 的核心价值不仅在于 “国产平替” 的性价比，更在于 CLI 形态对开发场景的适配潜力 —— 命令行环境本身更便于工具直接操作文件、读取项目配置，理论上在批量代码生成、文件结构调整等场景中，能比 GUI 端工具更高效。总体而言，即便暂不考虑模型能力的差异，iFlow 在交互细节、项目级上下文适配上的设计，已足够成为 GitHub Copilot 之外的优质备选，尤其适合依

avatar AI编程社区
cover

OpenAI发布GPT-5-Codex，AI编程代理将彻底颠覆开发者世界？

avatar AI编程社区
cover

从单 Agent 到多智能体协同：微软 AutoGen 框架深度拆解，Studio 工具助你快速落地 AI 应用

avatar AI编程社区