【深度学习】基于YOLOv5的交通标志识别系统-TT100K

最新推荐文章于 2025-10-14 10:20:39 发布
原创 最新推荐文章于 2025-10-14 10:20:39 发布 · 1.6k 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #YOLO #python #人工智能

该文介绍了一个基于YOLOv5的交通标志识别系统，使用TT100K数据集的45类子集进行训练。实验环境包括Ubuntu/Windows，CUDA10.1和PyTorch1.8.1。通过convert_data.py转换数据，然后进行训练，并利用PyQt5实现可视化展示。
部署运行你感兴趣的模型镜像

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

您可能感兴趣的与本文相关的镜像

PyTorch 2.6

PyTorch 2.6

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

基于深度学习YOLOv5的交通标志识别系统详解
YOLO
02-09 782
交通标志数据集是训练YOLOv5模型的重要组成部分。一个合适的交通标志数据集可以帮助模型学习到不同类别标志的特征，进而提升模型的准确性。：该数据集包含了43个类别的德国交通标志，图像数据量大，适合用来进行目标检测和分类任务。：该数据集包含美国加州不同地区的交通标志，适合用来训练和评估交通标志识别模型。：一个包含100,000张图像的数据集，来自中国不同城市，种类繁多，适合进行更复杂的交通标志检测任务。在本项目中，我们选用了GTSRB。
基于YOLOv8的交通标志识别：TT100K数据集与UI界面实现
YOLO
04-09 807
TT100K数据集是一个包含100类中国交通标志的视觉数据集，适用于交通标志检测与识别任务。该数据集由清华大学和腾讯公司联合发布，包含超过10万张图像，覆盖多种交通场景，如城市道路、高速公路和乡村道路等。数据集中不仅有标注的交通标志图像，还有详细的标注文件，记录了每个图像中标志的种类及位置。实时性：YOLO系列以其快速的推理速度广泛应用于实时目标检测任务。高精度：YOLOv8在多个检测任务中展现了优越的性能，特别是在小物体检测上表现出色。简单易用。
＜数据集＞RETT100K数据集＜目标检测＞
09-06
RETT100K数据集，适用于YOLO系列、Faster Rcnn、SSD等模型的训练，图片数量9738，类别：pl80、p6、p5、pm55、pl60、ip、p11、i2r、p23、pg、il80、ph4、i4、pl70、pne、ph4.5、p12、p3、pl5、w13、i4l、pl30、p10、pn、w55、p26、p13、pr40、pl20、pm30、pl40、i2、pl120、w32、ph5、il60、w57、pl100、w59、il100、p19、pm20、i5、p27、pl50。文件中包含图片、txt标签、指定类别信息的yaml文件、xml标签，已将图片和txt标签划分为训练集、验证集和测试集，可直接用于YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9、YOLOv10等YOLO系列算法的训练。因资源超过1G，故上传至百度网盘，分享永久有效链接。数据集介绍请看链接：https://blog.youkuaiyun.com/qq_53332949/article/details/140153534
TT100K交通标志数据集[项目代码]
最新发布
11-17
TT100K数据集是由清华大学与腾讯联合推出的中国交通标志检测数据集，填补了国内高质量交通标志数据集的空白。该数据集包含10万张高质量中国道路图像，涵盖100类常见交通标志，总计超过3万个精细标注实例。其核心优势包括规模宏大、场景丰富（覆盖城市道路、高速公路、隧道、雨雪雾天等多样化场景）、标注专业（采用边界框与像素级掩码双重标注）以及挑战性强（包含尺度变化、部分遮挡、形变旋转等现实难点）。相较于国际通用数据集（如德国GTSDB、比利时LISA等），TT100K更符合中国道路场景的特殊需求，解决了地域特征差异、样本量不足等问题。文章还提供了处理后的数据集（45类标签数量≥100的图片），可直接用于目标检测训练，整体精度约为0.8。
TT100K数据集划分_YOLO格式
m0_48075878的博客
10-14 210
TT100K数据集
基于TT100k数据集+YOLOv5算法的道路交通标识识别系统源码+训练好的模型（高分项目）
12-11
基于TT100k数据集+YOLOv5算法的道路交通标识识别系统源码+训练好的模型（高分项目），该项目是个人毕设项目，答辩评审分达到98分，代码都经过调试测试，确保可以运行！欢迎下载使用，可用于小白学习、进阶。该资源主要针对计算机、通信、人工智能、自动化等相关专业的学生、老师或从业者下载使用，亦可作为期末课程设计、课程大作业、毕业设计等。项目整体具有较高的学习借鉴价值！基础能力强的可以在此基础上修改调整，以实现不同的功能。 基于TT100k数据集+YOLOv5算法的道路交通标识识别系统源码+训练好的模型（高分项目）基于TT100k数据集+YOLOv5算法的道路交通标识识别系统源码+训练好的模型（高分项目）基于TT100k数据集+YOLOv5算法的道路交通标识识别系统源码+训练好的模型（高分项目）基于TT100k数据集+YOLOv5算法的道路交通标识识别系统源码+训练好的模型（高分项目）基于TT100k数据集+YOLOv5算法的道路交通标识识别系统源码+训练好的模型（高分项目）基于TT100k数据集+YOLOv5算法的道路交通标识识别系统源码+训练好的模型（高分项目）基于TT100k数据集
基于yolov5的交通标识检测的训练，以交通标志牌数据集TT100k为例（云服务训练+数据集）
bingold878696的博客
12-19 1369
基于yolov5的交通标识检测的训练，以交通标志牌数据集TT100k为例（云服务训练+数据集）。
tt100k道路交通标识完整数据集(含voc和yolo格式标签，适用于各种目标检测算法直接使用).zip
03-20
tt100k道路交通标识完整数据集(含voc和yolo格式标签，适用于各种目标检测算法直接使用).zip 【数据集说明】 1、数据集大小接近10GB，图像包含了184种交通标志，数据包含图片以及voc格式(xml)、yolo格式(txt)标签文件，可转换称json格式，如需要请私信我。 2、数据集标注精准、背景丰富、场景多样、实况拍摄，目标有大有小，分布均匀，已使用yolov5训练，且移植到安卓手机，效果很好，移植好的APP+源码下载链接为：https://download.youkuaiyun.com/download/DeepLearning_/88994929 3、数据集都已经处理划分好，请放心下载使用，由于图片数据太大，故资源种含有全部标签文件+全部图片下载链接。 【备注】 请放心下载使用，内含全部图片+voc+yolo格式标签，有任何使用问题请私信或者留言，我会帮助解疑答惑！ 请放心下载使用，内含全部图片+voc+yolo格式标签，有任何使用问题请私信或者留言，我会帮助解疑答惑！ 请放心下载使用，内含全部图片+voc+yolo格式标签，有任何使用问题请私信或者留言，我会帮助解疑答惑！
基于深度学习YOLOv5和Android Studio开发的tt100k交通标志识别检测项目源码(含模型文件+APK).zip
03-19
基于深度学习YOLOv5和Android Studio开发的tt100k交通标志识别检测项目源码(含模型文件+生成好的APK，直接安装使用).zip 【项目说明】 1、此项目是基于tt100k交通标志数据集训练、YOLOv5算法，可识别检测标志种类为...
基于yolov5的交通标志识别项目，使用tt100k数据集yolov5-tt100k.zip
10-03
基于YOLOv5的交通标志识别项目使用TT100K数据集，不仅是一个展示深度学习技术在特定场景下应用的实例，也为研究人员和工程师提供了深入理解和实践交通标志识别技术的机会。通过该项目的实施，我们有望推动智能交通...
基于yolov4-tiny在TT100K数据集上实现交通标志识别与检测_yolov4-tiny-.zip
09-02
基于YOLOv4-tiny在TT100K数据集上实现的交通标志识别与检测系统，能够快速准确地识别出图像中的交通标志，并标定其位置，这对于智能交通系统以及自动驾驶领域具有重要的实际应用价值。系统的设计遵循了模块化的理念...
TT100K数据标注文件（json）
04-14
TT100K数据标注文件（json）~~TT100K数据标注文件（json）
TT100K数据集标签-txt+xml+源码
12-16
处理过后的TT100K数据集标签，包含VOC格式的xml文件和yolo格式的txt文件，以及处理脚本。 原数据地址：https://cg.cs.tsinghua.edu.cn/traffic-sign/ 参考链接：https://blog.youkuaiyun.com/qq_41226186/article/details/129788615?fromshare=blogdetail&sharetype=blogdetail&sharerId=129788615&sharerefer=PC&sharesource=young21197&sharefrom=from_link https://blog.youkuaiyun.com/weixin_40280870/article/details/142601060?fromshare=blogdetail&sharetype=blogdetail&sharerId=142601060&sharerefer=PC&sharesource=young21197&sharefrom=from_link
yolov5交通牌目标检测数据集 yolo-Traffic-Signs-dataset-1.zip
08-05
1000多张yolov5交通牌目标检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8等算法可以直接进行训练模型， 数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 数据集配置目录结构data.yaml： train: ./train/images val: ./valid/images test: ./test/image
YOLOV5实现的交通标志识别检测+训练好的道路指示牌识别权重+数据集.zip
03-27
YOLOV5实现的交通标志识别检测+训练好的道路指示牌识别权重+数据集.zip该项目是个人期末大作业项目源码，已获导师评审，评审分达到96分以上，都经过严格调试，确保可以运行！放心下载使用。 该项目资源主要针对计算机相关专业的学生或从业者下载使用，可作为期末课程设计、期末课程大作业等，具有较高的学习价值。 YOLOV5实现的交通标志识别检测+训练好的道路指示牌识别权重+数据集.zip该项目是个人期末大作业项目源码，已获导师评审，评审分达到96分以上，都经过严格调试，确保可以运行！放心下载使用。 该项目资源主要针对计算机相关专业的学生或从业者下载使用，可作为期末课程设计、期末课程大作业等，具有较高的学习价值。 YOLOV5实现的交通标志识别检测+训练好的道路指示牌识别权重+数据集.zip该项目是个人期末大作业项目源码，已获导师评审，评审分达到96分以上，都经过严格调试，确保可以运行！放心下载使用。 该项目资源主要针对计算机相关专业的学生或从业者下载使用，可作为期末课程设计、期末课程大作业等，具有较高的学习价值。 YOLOV5实现的交通标志识别检测+训练好的道路指示牌识别权重+数据集
YOLOv5交通标志物检测源码+训练好的模型+全部数据（高分优秀项目）.zip
03-27
YOLOv5交通标志物检测源码+训练好的模型+全部数据（高分优秀项目）.zip个人97分的期末大作业，主要针对计算机相关专业的正在做课程设计和期末大作业的学生和需要项目实战练习的学习者。包含全部项目源码、该项目可以直接使用、项目都经过严格调试，下载即用确保可以运行！ YOLOv5交通标志物检测源码+训练好的模型+全部数据（高分优秀项目）.zip个人97分的期末大作业，主要针对计算机相关专业的正在做课程设计和期末大作业的学生和需要项目实战练习的学习者。包含全部项目源码、该项目可以直接使用、项目都经过严格调试，下载即用确保可以运行！ YOLOv5交通标志物检测源码+训练好的模型+全部数据（高分优秀项目）.zip个人97分的期末大作业，主要针对计算机相关专业的正在做课程设计和期末大作业的学生和需要项目实战练习的学习者。包含全部项目源码、该项目可以直接使用、项目都经过严格调试，下载即用确保可以运行！ YOLOv5交通标志物检测源码+训练好的模型+全部数据（高分优秀项目）.zip个人97分的期末大作业，主要针对计算机相关专业的正在做课程设计和期末大作业的学生和需要项目实战练习的学习者。包含
通过YOLO5训练自己的数据集（以交通标志牌数据集TT100k为例）+ YOLOv5训练参数和测试（包含验证参数）参数介绍
qq_37346140的博客
10-21 7815
数据集准备、训练、 train.py、 训练代码运行、 测试代码运行
YOLOV7训练TT100K交通标识符数据集
qq_42475191的博客
05-27 4972
临江仙》作者：缠中说禅浊水倾波三万里，愀然独坐孤峰。龙潜狮睡候飙风。无情皆竖子，有泪亦英雄。长剑倚天星斗烂，古今过眼成空。乾坤俯仰任穷通。半轮沧海上，一苇大江东。
TT-100K数据集
yangkang1211的博客
03-04 874
TT-100k数据集分享
yolov8交通标志识别TT100K
04-03
YOLOv8 是一种基于深度学习的目标检测算法，它可以在图像或视频流中快速准确地定位并分类目标物体。TT100K 数据集是一个用于交通标志识别的大规模数据集，包含多种类型的交通标志标注信息。 将 YOLOv8 应用于 TT100K 数据集的交通标志识别任务通常包括以下几个步骤： ### 1. 准备工作 - **安装依赖**：首先需要准备好运行环境，并通过 pip 安装 ultralytics（官方支持 YOLOv8 的库）。 ```bash pip install ultralytics ``` - **下载数据集**：从公开资源获取 TT100K 数据集，并将其转换为 YOLO 格式以便训练模型。 --- ### 2. 模型配置与训练 #### （1）加载预训练权重 YOLO 提供了通用的预训练权重文件 (如 `yolov8n.pt` 等)，可以作为初始点加速收敛： ```python from ultralytics import YOLO # 加载预训练模型 model = YOLO("yolov8n.pt") ``` #### （2）修改配置文件 在 TT100K 数据集中有多个类别标签，因此你需要创建一个自定义 YAML 配置文件 (`data.yaml`) 来指定路径及类别数。例如： ```yaml train: ./tt100k/train/images/ val: ./tt100k/valid/images/ nc: 47 # 类别总数 names: ['prohibitory', 'mandatory', ..., ] # 所有的类别名称列表 ``` #### （3）启动训练过程 调整超参设置以适应特定的任务需求后即可开始训练： ```python results = model.train( data="path/to/data.yaml", epochs=50, imgsz=640, batch=-1 # 自动选择批量大小 ) ``` --- ### 3. 测试与评估 完成训练之后就可以利用验证集对生成结果做精确度等方面的统计分析了。比如绘制 PR 曲线、计算 mAP 值等指标衡量性能高低水平如何。 ---
评论 5
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

每天进步一点丶

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值