基于yolov5的盲道障碍物检测与识别

• 背景
• 实现方法
• 实验结果
• 参考

背景

通过摄像头拍摄的图片检测盲道中出现的障碍物，可以快速有效的清理障碍物，防止意外事件的发生

实现方法

算法：采用yolov5算法进行目标检测
数据集：共14256张图片, 13409训练，847测试，12类物体
数据集中每类有2000个目标图像[一张图片可能含多个目标，所以图像数量少于12*2000=24000]，数据来源于object365数据集中
Labels = {0: ‘椅子’, 1: ‘瓶子’, 2: ‘汽车Car’, 3: ‘垃圾桶’, 4: ‘自行车’, 5: ‘摩托车’, 6: ‘狗’, 7: ‘猫’, 8: ‘箱子Box’, 9: ‘球Ball’, 10: ‘婴儿车’, 11: ‘三轮车’}

实验结果

使用yolov5训练了500epoch，由于数据集数量的原因，导致召回和精准率很难继续上升，在0.62左右达到平稳，通过图片测试，能够准确检测出障碍物目标，但是置信度不是很高

参考

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

总结

以上是生活随笔为你收集整理的盲道障碍物检测识别的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。