车辆检测及型号识别广泛应用于物业,交通等的管理场景中。通过在停车场出入口,路口,高速卡口等位置采集的图片数据,对车辆的数量型号等进行识别,可以以较高的效率对车型,数量信息等进行采集。通过采集的数据,在不同的场景中可以辅助不同的业务开展。如商场停车位的规划,路况规划,或者公安系统追踪肇事车辆等等。
课程中,学员们已经掌握了使用slim框架来对图片进行分类识别。也掌握使用slim物体检测框架来进行物体的检测和识别。
本项目中,要求学员们结合课程中学到的内容,实现一个车辆检测的工业级系统。
学员需要利用tensorflow提供的slim图片分类框架和物体检测框架实现一个可以对任意图片进行车辆检测的系统。
包含代码和详细的文档。文档要求可操作。能够按照文档的描述搭建系统并运行。文档不全者酌情扣分。
文档要求:
系统要求能检测任意图片并给出合理的输出。
系统需要给出合理的评价指标,例如map等。
视频内容:从任意图片网站上,随机下载一张有汽车在内的图片,送入系统进行检测。可以输出并显示图片中车辆的位置和型号等信息。没有车辆的图片可以给出没有检测到的提示。
本项目提供一个车辆分类的数据集。(注意是分类数据,内部没有定位信息)
本项目提供的数据集分类参考数据集中的labels.txt文件:
共48856张图片 其43971张作为训练集,4885张作为验证集。
数据已经预先打包成tfrecord格式,数据格式与课程中,分类模型使用的数据格式相同,打包关键代码参考"download_and_convert_flowers.py"。请联系课程管理人员获取训练数据。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。