基于yolov5的盲道障礙物檢測與識別

• 背景
• 實現方法
• 實驗結果
• 參考

背景

通過攝像頭拍攝的圖片檢測盲道中出現的障礙物，可以快速有效的清理障礙物，防止意外事件的發生

實現方法

算法：采用yolov5算法進行目標檢測
數據集：共14256張圖片, 13409訓練，847測試，12類物體
數據集中每類有2000個目標圖像[一張圖片可能含多個目標，所以圖像數量少于12*2000=24000]，數據來源于object365數據集中
Labels = {0: ‘椅子’, 1: ‘瓶子’, 2: ‘汽車Car’, 3: ‘垃圾桶’, 4: ‘自行車’, 5: ‘摩托車’, 6: ‘狗’, 7: ‘貓’, 8: ‘箱子Box’, 9: ‘球Ball’, 10: ‘嬰兒車’, 11: ‘三輪車’}

實驗結果

使用yolov5訓練了500epoch，由于數據集數量的原因，導致召回和精準率很難繼續上升，在0.62左右達到平穩，通過圖片測試，能夠準確檢測出障礙物目標，但是置信度不是很高

參考

[1]:https://github.com/hhaAndroid/yolov5-comment

總結

以上是生活随笔為你收集整理的盲道障碍物检测识别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。