基于yolov5的常用交通标志识别方法、系统及存储介质技术方案

本发明专利技术公开了一种基于yolov5的常用交通标志识别方法、系统及存储介质，包括：步骤1、常用交通标志分析：选择通过网上调研、爬虫方式，根据交通标志使用率的情况，得到最常用的交通标志种类，并将交通标志分为警告、指示和禁止三大类；步骤2、模型训练：获取开源数据集，通过python数据处理，得到一系列交通标志的训练集和测试集；线下拍摄视频，然后抽帧分析；搭建yolov5模型框架，并且使用训练集训练；根据初步训练的模型的测试情况，对模型和训练集进行优化；不断迭代模型，最后得出最优模型；步骤3、模型部署：将模型转换为onnx文件，部署到嵌入式终端上。本发明专利技术不仅检测速度快，检测精度高，还占用显存空间小，识别目标种类多。识别目标种类多。识别目标种类多。

【技术实现步骤摘要】
基于yolov5的常用交通标志识别方法、系统及存储介质


[0001]本专利技术属于交通标志识别
，具体涉及一种基于yolov5的常用交通标志识别方法、系统及存储介质。

技术介绍

[0002]专利文献CN112464911A公开的基于改进YOLOv3
‑
tiny的交通标志检测与识别方法，运用了yolov3
‑
tiny模型来进行交通标志检测，对数据集进行了色相、对比度、饱和度和亮度的扩增。其方法基于yolov3
‑
tiny修改了backbone网络架构，修改了尺度分支，使模型更加轻量化，便于嵌入式。但是无论如何修改网络结构，yolov3
‑
tiny的模型识别率和模型大小仍然效果不佳，尤其是对小目标检测。
[0003]因此，需要开发一种新的基于yolov5的常用交通标志识别方法、系统及存储介质。

技术实现思路

[0004]本专利技术的目的在于提供一种基于yolov5的常用交通标志识别方法、系统及存储介质，不仅检测速度快，检测精度高，还占用显存空间小，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于yolov5的常用交通标志识别方法，其特征在于，包括以下步骤：步骤1、常用交通标志分析：选择通过网上调研、爬虫方式，根据交通标志使用率的情况，得到最常用的交通标志种类，并将交通标志分为警告、指示和禁止三大类；步骤2、模型训练：获取开源数据集，通过python数据处理，得到一系列交通标志的训练集和测试集；线下拍摄视频，然后抽帧分析；搭建yolov5模型框架，并且使用训练集训练；根据初步训练的模型的测试情况，对模型和训练集进行优化；不断迭代模型，最后得出最优模型；步骤3、模型部署：将模型转换为onnx文件，部署到嵌入式终端上。2.根据权利要求1所述的基于yolov5的常用交通标志识别方法，其特征在于：所述步骤2中，训练使用TT100K的数据，测试使用CCTSDB和BDD数据；其中，TT100K是腾讯采集的数据集，包括300多种不同种类的交通标志；CCTSDB是长沙理工大学搜集的数据集，包括train和test两个文件，其中train包含16000张左右的训练图片，test包含有800张的测试图片；BDD数据的train文件包含有70000张图片，test文件包含有20000张图片，val文件包含有10000张图片。3.根据权利要求1或2所述的基于yolo...

【专利技术属性】
技术研发人员：王传钊，吴锐，谢乐成，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：