技术 | 用TensorFlow实现SSD在交通标志检测和分类的应用（附 github资源）

AIjob社

AIjob社：是《全球人工智能》推出的一项免费求职服务。目前与约100家ai企业合作提供近300个工作岗位。有实习，求职和跳槽意向的ai相关开发工程师可发送简历到邮箱：[e-mail]

选自：github   翻译：林一鸣

在TensorFlow中实现SSD检测器以检测和分类交通标志

简介

这个实现能够在使用搭载Intel Core i7-6700K CPU， GTX 1080 GPU的电脑上实现40-45 的帧速。

注意这个项目仍在工作。现在的主要问题是模型过拟合。我目前正在进行VOC2012的预训练，然后通过迁移学习进行交通标志检测。

目前只能检测到停车标志和人行横道标志。示例检测图像如下。

所需的库

如何运行

• （https://drive.google.com/open?id=0BzaCOTL9zhUlekM3NWU1bmNqeVk）to $ROOT

• -i flag in inference.py (see the code for more details)

• LISA Traffic Sign Dataset（http://cvrr.ucsd.edu/LISA/lisa-traffic-sign-dataset.html）, and store it in a directory $LISA_DATA

和原始SSD实现之间的差异

性能

数据集的特征

训练过程

Given the small size of our pruned dataset, I chose a train/validation split of 95/5. The model was trained with Adadelta optimizers, with the default parameters provided by TensorFlow. The model was trained over 200 epochs, with a batch size of 32.

改进的地方

热门文章推荐