基于jetson nano和yolov5 的车行人检测（一）

最新推荐文章于 2024-09-02 12:33:04 发布

ggbond33

最新推荐文章于 2024-09-02 12:33:04 发布

阅读量2.3k

点赞数 4

文章标签：自动驾驶机器学习神经网络 pytorch 深度学习

本文链接：https://blog.csdn.net/ggbond33/article/details/115601721

版权

毕业设计ing，但中途要出去一波。做个记录，备忘。

基于jetson nano和yolov5 的车行人检测。

目前已经做的工作：

1、数据集的制作，原本是用的老师给的自己拍的一些数据（含夜间），但效果一般。更换BDD100K的智能驾驶数据集。

但智能驾驶的数据集的分类有10种，还有一些比较小的目标，不能直接拿过来用。

这里的工作进行了数据清洗，将小目标去除（小于图片的千分之一），将非人和车的标签去除，并将其转化成yolo格式数据集。

参考两位博主的代码：

【玩转yolov5】使用bdd100k数据集训练行人和全车模型，链接：https://blog.csdn.net/ChuiGeDaQiQiu/article/details/113415081

bdd100k数据集制作用于YOLOv3训练，链接：https://blog.csdn.net/fly_wt/article/details/98957748

我整合了一下生成了试用我自己的。（保留夜间）

import json

# 这里是我需要的10个类别
categorys = ['car', 'bus', 'person', 'bike', 'truck', 'motor', 'train', 'rider', 'traffic sign', 'traffic light']

##但我想归类 将 car bus truck  0 1 4归为一类  0     2 person归为一类  1


def parseJson(jsonFile):
    '''
      params:
        jsonFile -- BDD00K数据集的一个json标签文件
      return:
        返回一个列表的列表，存储了一个json文件里面的方框坐标及其所属的类，
    '''