光庭实习项目@武汉光庭信息技术股份有限公司
本实践旨在通过基于深度学习框架
PyTorch的手写数字识别模型，实现对MNIST手写数字数据集的准确识别。
要求如下：
- 项目模块化
- 搭建一个神经网络(神经网络不限)
- 编写完成训练代码，推理代码，评测代码
- 可视化推理结果和评测结果
- 制作一个评测集，运用学习过的数据增强方法，使评测集图片数量不少于100张，使用训练好的模型进行评测，获取准确率指标
- 至少画出
train_loss,val_loss曲线，使用tensorboard显示出来
本次实验将使用
YOLOv8训练TT100K中国交通标志数据集，完成一个多目标检测实战项目，可实时检测图像、视频、摄像头和流媒体(http/rtsp)中的交通标志，并提供PySide6开发的可视化演示界面。
YOLOv8识别交通标志牌项目开发要求：
- 下载
TT100K数据集，制作训练数据集 - 编写
check dataset.py脚本，对数据集进行检查，输出：- 每个类别的图片数量（用直方图可视化)
- 每个类别的检测框的数量（用直方图可视化)
- 图片总数量
- 检测框总数量
- 平均每张图片的检测框数量
- 图片和标注文件是否一一对应(如有不对应的文件需要将文件路径保存下来)
- 类别是否在指定的45类中
- 配置参数，进行模型训练，利用
tensorboard可视化训练loss和验证loss - 使用测试集图片对模型进行评估，获取评估结果
- 利用
labelimg标注工具，标注200张交通标志牌图片作为评测集，并使用check_dataset.py检查评测集 - 编写评测代码对评测集进行评测，获取模型检测准确率
- 使用
PySide6创建图形用户界面进行可视化显示 - 将训练得到的模型转化为
onnx,并使用onnxruntime进行推理一张图片，获取准确结果
VOCdevkit文件（数据集）在YOLOv8/YOLOv8_TrafficSignIdentification目录下，文件太大没有上传到GitHub
阿里网盘自存档。网盘链接
————————————————————————自存档————————————————————————