1、本项目采用YOLOv7算法实现对道路交通标志的检测和识别，在道路交通标志检测数据集中训练得到，训练了YOLOv7模型，
2、目标类别数：4 ；类别名：trafficlight’,‘speedlimit’, ‘crosswalk’, ‘stop’；
3、道路标注检测数据集标签格式：VOC和YOLO
参考：https://blog.csdn.net/weixin_51154380/article/details/127642605
2022-12-01 17:27:55
706.61MB
1、yolov5道路标志检测，包含训练好的玩手机检测权重，以及PR曲线，loss曲线等等，在道路指示牌识别数据集中训练得到的权重，有pyqt界面，目标类别名为trafficlight；speedlimit；crosswalk；stop共四个类别，并附道路指示牌识别数据集，标签格式为txt和xml两种，分别保存在两个文件夹中
2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743
3、采用pytrch框架，python代码
2022-06-19 17:05:39
314.83MB
MATLAB恶劣天气交通标志识别。先去除雾霾，然后定位交通标志，分割，识别，带语音播报和界面GUI。如果你是新手学习，请多点耐心。
2021-11-08 17:02:43
3.54MB
1
该数据集包含4个不同类别的877张图像，用于道路标志检测。
Road Sign Detection_datasets.txt
Road Sign Detection.zip
2021-08-27 16:06:35
217.97MB
1
该课题是基于MATLAB神经网络的交通标志识别系统。主要分3个步骤：定位，分割，识别。其中定位部分，考虑我国的交通标志主要分禁令类，指示类和警示类，其中禁令类为红色，指示类为蓝色，警示类为黄色。根据不同颜色比例组成，参数设置合理即可分离出图片中不同颜色分量。但是，这肯定多少存在一些误分割，比如将其他红色，蓝色或者黄色的物体给分离，那么考虑到交通标志区域的分量肯定是最大的，利用形态学相关知识，按面积小于一定阈值进行滤除，即可得到精准的定位。接着，分割出目标区域，得到彩色的目标区域。最后利用bp神经网络方法进行训练，得到结果，并且输出。
2021-08-15 18:10:22
1.87MB
1
该代码以matlab为开发平台，实现在真实环境下，可以稳定的检测出道路的矩形指示标志的功能。在数据库中做测试，正确率92%。
2019-12-21 21:55:30
2KB
1