高定位精度的交通标志识别----开源了
点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
本文转自：AI算法与图像处理
本文包括以下4个部分，大家可以根据自己的需求，跳到相应小节仔细阅读。
方法简介
代码下载与使用
数据库下载与简介
总结
方法简介
网络结构如上图所示，可以用netscope（http://ethereon.github.io/netscope/#/editor）看源码中网络结构中的各个layer的参数。这是一个end-to-end的网络，网络输入为测试图片，输出有3个head：bbox、label、mask，整个网络也属于one-stage实例分割网络。一些结果如下：
代码下载与使用
代码下载：https://github.com/LoveBaldwin/TrafficSign
模型下载：链接：https://pan.baidu.com/s/1_yawJa_KUbfv0Bs2VqR4JA提取码：l0mt
代码说明
caffe: caffe代码
model: 模型相关文件
script: 训练模型、准备数据相关脚本
python: 模型、数据显示相关程序
-
anno_func.py: 简单的功能函数
data_show.ipynb: 图像显示的方法
deployer.ipynb: 模型测试流程
eval_check.ipynb: 模型评估
代码使用
数据下载完后，解压到与TrafficSign文件同目录下。
cd TrafficSign/script
1，编译caffe：./compile.sh
2，生成数据：mkdir -p ../../data/lmdb
./1_convert_lmdb.sh
./2_calc_img_mean.sh
3，开始训练模型：
../caffe/build/tools/caffe train --solver../model/solver.prototxt --gpu 0
数据下载与简介
数据来自某公司街景数据，场景相当丰富，数据库共有100000张图，采自中国5个不同的城市的10个不同场景，包含了不同的光照和季节的照片。数据的标注包含了：bbox（bounding box）、label和mask，如上图。数据分成了4个大类：warnings 、prohibitions、mandatory、Other，如下图所示，正如图中所示，除了这4个大类，还根据信息内容进行了细分类。模型的训练与测试仅使用了其中一部分图片，约占15%，目前仅开源程序中使用的图像。
数据库目录说明
train:所有训练图
test: 所有测试图
other: 从训练集和测试集排除的图
marks: 用于做数据增强的标准图
annotations.json: 图片标注文件
标注说明
关于mask的标注，使用了两种模型去拟合目标边界：三角和椭圆，其中三角在标定时使用了3个角点，如果图像畸变比较严重，会增加标注点，椭圆标注了5个点来拟合椭圆方程，json字段含义如下：
path: 图像相对路径
objects:[], 图像中的所有目标
category: 目标类别.
bbox: {xmin,ymin,xmax,ymax:float}, 目标框
ellipse_org: [[x1,y1],[x2,y2],...], 非必须, 椭圆的标注点
ellipse: [[x_o,y_o],[r_l,r_s],angle], 非必须, 根据椭圆标注点拟合的椭圆，[x_o,y_o] 是椭圆圆心, [r_l,r_s]是椭圆长短轴, angle椭圆旋转角.
polygon: [[x1,y1],[x2,y2],...], 非必须, 三角形的标注点
下载方式
可以先下载一些样例：
链接：https://pan.baidu.com/s/1B0Rz2HBLIoVTAIFXxfxnPA提取码：xam3
训练程序的数据集下载方式：关注本公众号，将本文发到朋友圈，收集7个赞，在后台截图发给小编，小编会在24小时内将下载链接发给你。
数据集收集不易希望能够理解，对于原创作者而言，你的关注和分享，是我们分享的动力！
总结
代码是以caffe为基础的，可能环境配置要花一些时间。小编最近在整理代码，环境编译相关的问题，希望大家可以通过google/baidu来解决。也欢迎大家实现pytorch和tensorflow版本的代码。
下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。
交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
