🚦 交通标志与信号灯检测
实战课程
📚 30章 · 从入门到部署
01
导论
项目导论
交通标志检测识别技术概述、应用场景（自动驾驶、辅助驾驶）、课程目标与学习路径。
02
环境
环境搭建
Anaconda安装、Python虚拟环境创建、PyTorch框架安装、CUDA与cuDNN配置。
03
图像基础
图像处理基础
OpenCV入门、图像读取与显示、色彩空间转换、图像几何变换。
04
预处理
图像预处理
图像滤波（高斯、中值）、边缘检测（Canny）、形态学操作（膨胀、腐蚀）。
05
数据集
数据集介绍
GTSRB德国交通标志数据集、LISA数据集、TT100K中国交通标志数据集。
06
标注
数据标注与格式
LabelImg工具使用、VOC格式与COCO格式、标注文件解析。
07
增强
数据增强技术
翻转、旋转、缩放、色彩抖动、MixUp、Mosaic增强。
08
深度学习
深度学习基础回顾
卷积神经网络（CNN）原理、激活函数、池化层、全连接层。
09
检测基础
目标检测基础
目标检测任务定义、IoU（交并比）、NMS（非极大值抑制）、Anchor机制。
10
R-CNN
经典检测模型（一）
R-CNN系列（R-CNN、Fast R-CNN、Faster R-CNN）原理与对比。
11
YOLO/SSD
经典检测模型（二）
YOLO系列（YOLOv1-v5）演进、SSD模型、RetinaNet与Focal Loss。
12
YOLOv5
YOLOv5实战（一）
YOLOv5网络架构详解、Backbone（CSPDarknet）、Neck（PANet）、Head。
13
YOLOv5
YOLOv5实战（二）
YOLOv5代码结构解析、配置文件解读（yaml）、训练参数设置。
14
YOLOv5
YOLOv5实战（三）
自定义数据集训练、训练过程监控（TensorBoard）、模型评估（mAP）。
15
YOLOv5
YOLOv5实战（四）
模型推理与测试、图像/视频/摄像头实时检测、结果可视化。
16
YOLOv8
YOLOv8实战（一）
YOLOv8新特性介绍（Anchor-Free、TaskAlignedAssigner）、网络结构变化。
17
YOLOv8
YOLOv8实战（二）
YOLOv8训练自定义交通标志数据集、超参数调优、模型导出（ONNX/TensorRT）。
18
信号灯
信号灯检测专题
交通信号灯颜色与形状特征、HOG+SVM传统方法、基于深度学习的信号灯检测。
19
多任务
多任务学习
同时检测标志与信号灯、共享Backbone设计、多分支输出头。
20
轻量化
模型轻量化
模型剪枝、知识蒸馏、量化（INT8/FP16）、MobileNet与ShuffleNet应用。
21
部署
模型部署（一）
ONNX格式转换、ONNX Runtime推理、TensorRT加速。
22
部署
模型部署（二）
OpenVINO部署、NVIDIA Jetson边缘设备部署、树莓派部署。
23
跟踪
跟踪算法入门
SORT算法、DeepSORT算法、ByteTrack算法、交通场景下的目标跟踪。
24
实战
项目实战（一）
交通标志识别系统设计——需求分析、架构设计、模块划分。
25
实战
项目实战（二）
数据采集与清洗、模型训练与优化、精度与速度平衡。
26
实战
项目实战（三）
GUI界面开发（PyQt5/Tkinter）、实时视频流处理、检测结果展示。
27
实战
项目实战（四）
系统集成与测试、性能评估（FPS、mAP）、Bug修复与迭代。
28
前沿
前沿技术探索
Transformer在目标检测中的应用（DETR、Deformable DETR）、Vision Transformer。
29
前沿
前沿技术探索
BEV感知（鸟瞰图）、端到端自动驾驶中的交通标志理解、Occupancy Network。
30
总结
课程总结与展望
知识体系回顾、学习资源推荐、行业发展趋势、下一步学习建议。