【资源介绍】
基于Flask+Yolov5+Redis的深度学习车辆行人在线监测网站python源码+项目说明+模型.zip
数据集划分
如图1.1,数据集中包含3000张真实场景下行车记录仪采集的图片, 其中训练集包含2600张带有标签的图片,测试集包含400张不带有标签的测试集图片。数据集中共有22种细分的人车类型标签。其中,yolov5支持yolo的.txt标签格式,故将json的标签格式先转化为yolo格式,即标签、xy中心坐标、物体宽高,其中后四者均为归一化后的坐标。
在划分训练集和测试集时,以8:2划分训练集和测试集,并采用随机划分的方式,保证数据集的随机性。
| | |
| ---- | ------------------------------------- |
| |  |
> 图1.1 数据集样例图
数据增强
获得一个表现良好的神经网络模型,往往需要大量的数据作支撑,然而获取新的数据这项工作往往需要花费大量的时间与人工成本。使用数据增强技术,可以充分利用计算机来生成数据
, 相关下载链接:
https://download.csdn.net/download/ma_nong33/88500236?utm_source=bbsseo