基于YOLOv5s的车辆检测,完成Android版本车辆检测模型算法开发,APP在普通Android手机上可以达到实时的检测和识别效果,CPU(4线程)约30ms左右,GPU约20ms左右 ,基本满足业务的性能需求。1.数据集处理(1)车辆检测数据集收集约10W+的车辆检测数据集:UA-DETRAC车辆检测数据集+Vehicle-Dataset车辆检测数据集+BITVehicle车辆检测数据集。(2)自定义数据集如果需要增/删类别数据进行训练,或者需要自定数据集进行训练,如下步骤:采集图片,建议不少于200张图片;使用Labelme等标注工具,对目标进行拉框标注:labelme工具;将标注格式转换为VOC数据格式;生成训练集train.txt和验证集val.txt文件列表;修改engine/configs/voc_local.yaml的train和val的数据路径;重新开始训练。2.训练测试模型训练完成后,在模型输出目录中有个results.csv文件,记录每个epoch测试的结果,如loss,mAP等信息;训练模型收敛后,yolov5s车辆检测的mAP指标大约mAP_0.5=0.57192;而,yolov5s05_416 mAP_0.5=0.47022左右;yolov5s05_320 mAP_0.5=0.44788左右。声明:本文仅代表作者观点,不代表本站立场。如果侵犯到您的合法权益,请联系我们删除侵权资源!如果遇到资源链接失效,请您通过评论或工单的方式通知管理员。未经允许,不得转载,本站所有资源文章禁止商业使用运营!

下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态
评论