基于YOLO11的交通标志（traffic-sign）检测系统（Python源码+数据集+Pyside6界面）

💡💡💡本文摘要：基于YOLO11的交通标志检测，阐述了整个数据制作和训练可视化过程

博主简介

AI小怪兽，YOLO骨灰级玩家，1）YOLOv5、v7、v8、v9、v10、11优化创新，轻松涨点和模型轻量化；2）目标检测、语义分割、OCR、分类等技术孵化，赋能智能制造，工业项目落地经验丰富；

添加图片注释，不超过 140 字（可选）

1.YOLO11介绍

Ultralytics YOLO11是一款尖端的、最先进的模型，它在之前YOLO版本成功的基础上进行了构建，并引入了新功能和改进，以进一步提升性能和灵活性。YOLO11设计快速、准确且易于使用，使其成为各种物体检测和跟踪、实例分割、图像分类以及姿态估计任务的绝佳选择。

添加图片注释，不超过 140 字（可选）

添加图片注释，不超过 140 字（可选）

结构图如下：

添加图片注释，不超过 140 字（可选）

1.1 C3k2

C3k2，结构图如下

添加图片注释，不超过 140 字（可选）

C3k2，继承自类C2f，其中通过c3k设置False或者Ture来决定选择使用C3k还是Bottleneck

添加图片注释，不超过 140 字（可选）

实现代码ultralytics/nn/modules/block.py

1.2 C2PSA介绍

借鉴V10 PSA结构，实现了C2PSA和C2fPSA，最终选择了基于C2的C2PSA（可能涨点更好？）

添加图片注释，不超过 140 字（可选）

实现代码ultralytics/nn/modules/block.py

1.3 11 Detect介绍

分类检测头引入了DWConv（更加轻量级，为后续二次创新提供了改进点），结构图如下（和V8的区别）：

添加图片注释，不超过 140 字（可选）

实现代码ultralytics/nn/modules/head.py

2.交通标志检测系统

2.1 交通标志数据集介绍

数据集大小：700+

类别4类：prohibitory（禁令标志）、 danger（警告标志）、mandatory（指示标志）、other（其他标志）

0: prohibitory 1: danger 2: mandatory 3: other

细节图：

添加图片注释，不超过 140 字（可选）

标签可视化分析

添加图片注释，不超过 140 字（可选）

2.2 配置TrafficSigns.yaml

ps:建议填写绝对路径

path: D:/YOLOv11/data/TrafficSigns # dataset root dir
train: images/train # train images (relative to 'path') 118287 images
val: images/val # val images (relative to 'path') 5000 images


# Classes
names:
  0: prohibitory
  1: danger
  2: mandatory
  3: other

2.3 如何训练

import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO('ultralytics/cfg/models/11/yolo11.yaml')
    model.train(data='data/TrafficSigns.yaml',
                cache=False,
                imgsz=640,
                epochs=200,
                batch=8,
                close_mosaic=10,
                device='0',
                optimizer='SGD', # using SGD
                project='runs/train',
                name='exp',
                )

2.4 训练结果可视化结果

YOLO11 summary (fused): 283 layers, 2,618,036 parameters, 0 gradients, 7.1 GFLOPs
                 Class     Images  Instances      Box(P          R      mAP50  mAP50-95): 100%|██████████| 3/3 [00:03<00:00,  1.03s/it]
                   all         65         92      0.991       0.94      0.972      0.852
           prohibitory         41         47          1      0.985      0.995      0.905
                danger         14         17      0.988      0.824      0.947      0.825
             mandatory          7          8      0.975          1      0.995      0.848
                 other         19         20          1       0.95      0.952      0.828

添加图片注释，不超过 140 字（可选）

预测结果：

添加图片注释，不超过 140 字（可选）

添加图片注释，不超过 140 字（可选）

3. 交通标志检测系统设计

3.1 PySide6介绍

受益于人工智能的崛起，Python语言几乎以压倒性优势在众多编程语言中异军突起，成为AI时代的首选语言。在很多情况下，我们想要以图形化方式将我们的人工智能算法打包提供给用户使用，这时候选择以python为主的GUI框架就非常合适了。

PySide是Qt公司的产品，PyQt是第三方公司的产品，二者用法基本相同，不过在使用协议上却有很大差别。PySide可以在LGPL协议下使用，PyQt则在GPL协议下使用。

PySide目前常见的有两个版本：PySide2和PySide6。PySide2由C++版的Qt5开发而来.，而PySide6对应的则是C++版的Qt6。从PySide6开始，PySide的命名也会与Qt的大版本号保持一致，不会再出现类似PySide2对应Qt5这种容易混淆的情况。

3.2 安装PySide6

pip install --upgrade pip pip install pyside6 -i https://mirror.baidu.com/pypi/simple

基于PySide6开发GUI程序包含下面三个基本步骤：

• 设计GUI，图形化拖拽或手撸；
• 响应UI的操作（如点击按钮、输入数据、服务器更新），使用信号与Slot连接界面和业务；
• 打包发布；

3.3 交通标志检测系统设计

添加图片注释，不超过 140 字（可选）

​

AI小怪兽

2 次咨询

5.0

3383 次赞同

去咨询

​