基于卷积神经网络的交通标志识别系统
案例介绍
基于卷积神经网络的交通标志识别系统
案例介绍
一种改进YOLOv5s的检测系统。全都由我完成，模型从主干、颈部和损失函数三方面进行五项改进：引入CBAM与CA混合注意力、GhostBottleneck轻量化、加权双向特征融合、SPD-Conv无损下采样，并采用NWD与CIoU加权损失。系统前端基于Vue.js，后端使用FastAPI和SQLite，桌面端以PySide6实现，支持图片/视频/摄像头实时检测、多模型切换、超参数在线调节及权限管理。在TT100K数据集上，改进模型mAP@0.5达88.6%，较基线提升4.4个百分点，参数量降至5.8M（降幅17.1%），推理速度118 FPS。系统有效兼顾精度与效率，可为智能驾驶环境感知、交通安全监管和辅助驾驶提供支撑。
案例图片
相似案例推荐
-
AI简历诊断
基于 AI 大模型开发的智能简历诊断工具，用户粘贴简历文本即
-
CSV自动生成数据分析报告的网页
做了一个"CSV 数据体检报告"工具——
-
智能问答系统RAG
银行数据资产智能助手是基于 RAG（Retrieval-Au
-
Dify知识库Agent智能问答系统
基于 Dify 搭建企业知识库与 RAG 智能问答/Agen
-
AI智能语音助手与Agent应用
基于 SpringAI 集成 DeepSeek-R1（32B
-
都是客户定制，保护客户隐私。
所有定制软件，从设计、写代码，到调试以及和客户沟通以及后续维
1小时精推人才
需求方专属客服，免费梳理匹配
