traffic_light_detection 源码

交通信号灯的检测和分类模型 训练 为了开始训练,您可以启动bash脚本或直接使用trainer.py 模型 用于训练的模型是来自Torchvision的Faster RCNN模型。 该模型预测边界框,然后进行分类。 因此,该模型仅获得用于评估的图像。 该分数用于评估为mAP。 数据 我使用了来自数据。 借助脚本utils/create_balanced_dataset.py 。 我试图获得一个平衡的data_set,因为只有很少的图像带有包围交通灯的关闭框或黄色。 因此,我首先在每个图像上添加了这样的边界框,然后添加了剩余图像。 但是,每个交通信号灯类别最多出现1000次,因此类别之间的平衡是稳定的,而不会增加用于训练过程的图像。 可能的调整 对于前兆的有意义的置信度度量或通常包括不同的预测分数。 我只使用了pytorch模型中的默认掠夺分数,以便评估模型的性能 添加用于注释图像的脚本,以