基于tensorflow2实现的YOLOv6的交通标志检测识别源码+数据集+权重文件+教程.zip

# Tensorflow2实现YOLOv6交通标志检测 此代码是基于 https://github.com/bubbliiiing/yolox-tf2 编写的，大部分保留了源代码。 ## 1. 环境配置 - tensorflow-gpu==2.4.0 - opencv-python==4.5.5.62 - numpy==1.19.5 - Pillow==8.4.0 - tensorboard==2.7.0 - tqdm ## 2. 数据准备和处理 数据集地址：https://aistudio.baidu.com/aistudio/datasetdetail/49531 下载之后需要将文件夹格式处理成如下命名格式： ```python VOCdevkit - VOC2007 - Annotations - ImageSets - JPEGImages ``` 需要修改model_data/cls_classes.txt中的类别，修改为数据集的类别即可。 在准备好之后，运行voc_annotation.py文件会根目录得到两个txt文件里面存放着需要训练的数据。 ## 3. 训练步骤 在train.py文件中，修改自己所需参数，train.py中详细的参数设置。 运行train.py即可开始训练 ## 4. 预测步骤 权重文件的百度网盘地址： 链接：https://pan.baidu.com/s/1rhS7gROjFwmVc7zrEg7Ppw 提取码：2aq2 下载完权重文件之后，在yolo.py文件中，指定model_path，该参数是权重文件的路径 ，classes_path是对应类别。 将训练权重放入model_data，运行predict.py，输入需要预测的图片。 预测效果如下： <img src="img/1.png"> ## 5. 参考 https://github.com/bubbliiiing/yolox-tf2 https://github.com/meituan/YOLOv6