基于智能攝像頭實現ASL功能（自動限速調節）智能汽車傳感器應用技術一、課程導入交通標識一般置于道路的上方或兩側，由于駕駛者在駕駛過程中閱讀路牌信息需要一心二用，并且由于車速、天氣、路況等原因，駕駛者可獲取信息的時間較短，在不熟悉道路的情況下往往需要將車輛減速以閱讀信息，由此帶來安全隱患。因此,基于智能識別的實時交通導航系統是未來導航的發展方向，其核心就是道路交通標志的識別。另一方面，超速是最容易發生的違章，而自動限速識別（ASL）功能則可以避免超速的發生。該系統通過智能攝像頭與導航地圖識別道路限速標志，即使車輛處于地圖信號較弱的隧道中，也可以高效識別車輛行駛路段的限速要求。課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備思考討論題（2分鐘）一、課程導入基于自車檢測信息下的速度控制是利用智能駕駛前視攝像頭或高精地圖發送識別的道路交通標志限速信息結合路況、路徑規劃（主要指駕駛員設置速度）等信息后調整當前車速，避免或減輕超速導致的巡航安全風險。你知道車輛上攝像頭是如何認識交通標識的嗎？課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備二、交通標志的識別方法交通標志的識別方法主要有基于顏色信息的交通標志識別、基于形狀特征的交通標志識別、基于顯著性的交通標志識別以及基于特征提取和機器學習的交通標志識別等。課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備二、交通標志的識別方法顏色分割就是利用交通標志特有的顏色特征，將交通標志與背景分離。顏色特征具有旋轉不變性，即顏色信息不會隨著圖像的旋轉、傾斜而發生變化，與幾何、紋理等特征相比，基于顏色特征設計的交通標志識別算法對圖像旋轉、傾斜的情況都有較好的適應性，具有較好的識別效果。2.1基于顏色信息的交通標志識別中國交通標志顏色示例德國交通標志顏色示例課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備二、交通標志的識別方法除顏色特征外，形狀特征也是交通標志的顯著特征。我國警告標志、指示標志和禁令標志共131種，其中130種都有規則的形狀圓形、矩形、正三角形、倒三角形以及正八邊形。形狀和顏色結合進行檢測是交通標志識別中的重要內容，通常都以顏色分割做粗檢測，排除大部分的背景干擾，再提取二值圖像各連通域的輪廓，進行形狀特征的分析，進而確定交通標志候選區域并完成定位。2.2基于形狀特征的交通標志識別中國交通標志形狀示例德國交通標志形狀示例課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備二、交通標志的識別方法2.3基于顯著性的交通標志識別顯著性作為從人類生物視覺中引入的概念，用來度量場景中具有最顯眼的特征、最容易吸引人優先看到的區域。由于交通標志被設計成具有顯眼的顏色和特定的形狀，是最顯著的視覺特征，在一定程度上滿足了顯著性的要求，因此可以采用相關的顯著性模型和顯著性算法來檢測交通標志。課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備二、交通標志的識別方法2.4基于特征提取和機器學習的交通標志識別無論是基于顏色和形狀分析的算法，還是基于顯著性的算法，由于其所包含的信息的局限性，在背景復雜或者出現與目標物十分相似的干擾物時，都不能很好地去除干擾。因此，可通過合適的特征描述符更充分地表示交通標志，再通過機器學習方法區分出標志和障礙物。本任務將基于智能攝像頭實現自動限速識別（ASL）功能將采用基于特征提取和機器學習實現交通標志（限速標志）的識別功能課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備三、交通標志識別的一般流程利用視覺傳感器進行交通標志識別的流程主要是：原始圖像采集圖像預處理圖像分割檢測圖像特征提取交通標志識別原始圖像采集圖像預處理圖像分割檢測圖像特征提取交通標志識別課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備三、交通標志識別的一般流程3.1原始圖像采集由視覺傳感器（攝像頭）采集的、未經處理的原始圖像。3.2圖像預處理在實際的交通場景中，由于自然光、天氣條件等各種因素的影響，攝像頭采集的圖像不可避免的存在一定程度的干擾和噪聲，所以需要對圖像進行一些預處理，如圖像均衡、圖像增強和圖像去噪等，從而將圖像變得清晰、易辨認，為進一步的處理做好數據準備，如下圖所示。如果采用機器學習技術，則還需要進行標注工作。原圖與預處理后的圖課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備三、交通標志識別的一般流程3.3圖像分割檢測預處理后的圖像仍然包含很多信息，交通標志在其中只有很小的一個區域，但是由于交通標志在顏色和形狀上都有一定的特殊性，同時為了減小處理的數據量，加快處理速度，圖像分割檢測一般分兩步走，首先通過顏色分割快速檢測到交通標志牌，其次通過形狀分割最終確定交通標志的區域，如下圖所示。通過圖像分割檢測后得到的交通標志牌區域課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備三、交通標志識別的一般流程3.4圖像特征提取和交通標志識別在圖像檢測完成以后，需要進一步對這些圖像特征進行提取和比對，得出具體的交通標識牌含義。通過提取采集到的圖像的顏色特征、線條變化特征、矩特征、灰度直方圖統計特征等等，與數據庫中的數據進行比對，即可判斷出該交通標志的實際意義。但是在實際使用場景中，這種方式識別的成功率和準確度并不是特別高，而機器學習技術的應用大大提升了識別的準確度和靈活性，圖像識別成功率和準確率顯著提高。交通標志識別結果

課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備四、ASL項目的環境配置準備4.1基本配置對于本實訓平臺，環境已經配置好，但是對于沒有本實訓平臺的讀者，需要一些基本設備如比較新的計算機（Win10系統，64位）和配置Ubuntu系統才能夠進一步完成接下來的實訓。①計算機上（Win10系統）安裝VMwareWorkstationPro虛擬機（具體步驟參考相關材料），安裝好后如下圖所示，單擊后進入VM虛擬機界面，單擊菜單欄“文件”->“打開”，導入本教材配套提供的Ubuntu鏡像（隨教材提供，也可自行下載，具體操作查看配套資料）。安裝好的VMware虛擬機圖標課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備四、ASL項目的環境配置準備4.1基本配置②啟動虛擬機，首先安裝Anaconda，它是大型的科學計算平臺，是Python集成開發環境，包含了大量的科學包，能夠方便快捷的對程序包進行管理和部署，后面很多工具軟件都可以通過它完成下載安裝，一站式完成，比較便捷。在Ubuntu環境下到anaconda的官網下載對應的Linux系統的安裝包，完成安裝（具體操作查看配套資料）。③將YOLOv5項目（用于交通標志識別，隨教材提供）下載到虛擬機“文件”->“Home”目錄下，如下圖所示的yolov5_project。yolov5_project文件夾課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備四、ASL項目的環境配置準備4.2創建并激活虛擬環境在“Home”目錄下空白處右鍵打開一個終端，通過以下命令創建一個名字為“yolov5”的虛擬環境并激活它，這樣后面和YOLOv5有關的操作就在這個虛擬環境下完成。課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備四、ASL項目的環境配置準備4.3安裝工具軟件在該虛擬環境下下載安裝必要的工具軟件，包括PyTorch（PyTorch是Facebook于2017年初在機器學習和科學計算工具Torch的基礎上，針對Python語言發布的一個全新的機器學習工具包）和TorchVision（獨立于pytorch的關于圖像操作的一些方便工具庫），但是在安裝兩者之前，需要有CUDA平臺（ComputeUnifiedDeviceArchitecture，是顯卡廠商NVIDIA推出的運算平臺）作為支撐，同時硬件方面需要一個支持CUDA的GPU（如果沒有，可以考慮云平臺上提供的產品，其中許多云平臺都提供預裝有PyTorch的、支持GPU的命令交互工具JupyterNotebook，且通常提供一定的免費配額）。課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備四、ASL項目的環境配置準備4.3安裝工具軟件安裝好CUDA后，安裝PyThorch和TorchVision，這里使用pip命令完成：

注意：建議先下載相關的安裝包到本地再進行安裝，防止網速不穩定出現安裝錯誤。

課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備四、ASL項目的環境配置準備4.4安裝依賴因為我們建立的環境引用別人的項目，因此在該項目中會包含很多第三方模塊的包，這些都必須同時完成安裝才能跑該項目，這時候如果一個一個下載安裝，則會費時費力，此時可以通過項目提供的requirements.txt一次完成全部第三方模塊的包的下載和安裝，方便快捷，輸入命令：

課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備四、ASL項目的環境配置準備4.5安裝pycocotoolspycocotools，即pythonapitoolsofCOCO。COCO是一個大型的圖像數據集,用于目標檢測、分割、人的關鍵點檢測、素材分割和標題生成。在第（2）步創建的虛擬環境下，輸入下面命令進行安裝pycocotools：

課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備四、ASL項目的環境配置準備4.5安裝pycocotools其中，sudo是linux系統管理指令，是允許系統管理員讓普通用戶執行一些或者全部的root命令的一個工具；apt-get，是一條linux命令，適用于deb包（deb包是Linux下的安裝包）管理式的操作系統（如Linux），主要用于自動從互聯網的軟件倉庫中搜索、安裝、升級、卸載軟件或操作系統。Cython是讓Python腳本支持C語言擴展的編譯器，Cython能夠將Python+C混合編碼的.pyx腳本轉換為C代碼，主要用于優化Python腳本性能或Python調用C函數庫。

課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備五、任務實施準備工作5.1認識精靈標注助手現在人工智能領域需要標注好的數據情況很多，無論是圖片，視頻還是文本；無論是分類問題還是物體識別問題都需要標注，精靈標注助手是一個比較好用的小工具，精靈標注助手目前支持Windows/Mac/Linux平臺（隨書配套）。本節任務的訓練數據集為限速圖片，將用精靈標注助手進行前期的標注工作，下載后放到后續的YOLO項目文件夾中。該工具不僅操作簡單上手快，支持除了圖片標注外，還支持文本標注，視頻標注，還可以保存之前標注的數據集，方便后續對數據集標注內容的修改。課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備5.2認識目標檢測算法（YOLO）YOLO是一種目標檢測方法，該方法的特點是實現快速檢測的同時還達到較高的準確率。相對于其他目標檢測與識別方法（比如FastR-CNN）將目標識別任務分類目標區域預測和類別預測等多個流程，YOLO將目標區域預測和目標類別預測整合于單個神經網絡模型中，實現在準確率較高的情況下快速目標檢測與識別，更加適合現場應用環境。本次實訓采用YOLOv5（可以理解為YOLO的第五代，它不是一個單獨的模型，而是一個模型家族，包括了YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x）進行交通標志的檢測。YOLO目標檢測系統五、任務實施準備工作課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備限速標識圖片采集選擇標注軟件數據標注生成標注信息對應的文件目錄數據集生成調節參數限速標志識別準確率驗證模型訓練將訓練好的模型應用于真實路況的交通標志識別五、任務實施準備工作5.3自動限速識別（ASL）開發任務流程課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備首先從github上下載YOLOv5，命名為yolov5，并放在yolo5_project根目錄下（可從本書配套資源下載YOLOv5）。其中，images存放的是原始的圖片數據集，Annotations存放的是標記后生成的文件（xml格式），labels存放的是保存標記內容的文件（txt），ImageSets存放的是訓練數據集和測試數據集的分類情況，如下圖所示。data目錄下的文件類型六、自動限速識別（ASL）功能的開發實施6.1下載并部署YOLO項目課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.2標注前的準備工作準備好需要標注的含有限速標志的原始圖片數據集（隨書配套提供），放到data/images文件夾中，如下左圖所示。找到精靈標記助手，鼠標右鍵單擊運行，如下右圖所示。data/images文件夾內的限速圖片

運行標注軟件課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.3數據標注（1）打開精靈標注助手后，單擊“新建”，新建標注項目，如圖所示。新建標注項目課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.3數據標注（2）在彈出的新建項目頁面左側選擇“機器視覺”->“位置標注”，右側填入項目名稱，圖片文件夾的選擇通過目錄選擇按鈕，選擇第2步驟中準備好的圖片所在目錄，最后填寫分類值用于標注，用pl+數值標識，分別是pl5,pl15,pl20,pl30,pl40,pl50,pl60,pl70,pl80和pl100,共10類。該分類可根據data/images文件夾內的限速標識圖片的限速類型填寫，如果該文件夾內有限速120（km/h）的，則增加pl120即可，然后單擊“創建”按鈕，如下圖所示。填寫分類值課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.3數據標注（3）創建完畢后進入標注頁面，在頁面底部選擇要標注的圖片，然后單擊頁面左側合適的工具在圖片中標注，這里選擇“矩形框”，用矩形框標注限速標志（60），單擊鼠標左鍵并拖動框到合適的位置松開鼠標，此時矩形框內的內容即為需要學習的區域，如下圖所示。限速標志標注區域課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.3數據標注（4）單擊頁面右側自定義輸入框，選擇標注信息為pl60，如下圖所示。選擇對應的標注信息課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.3數據標注（5）單擊下方打勾按鈕，保存標注信息，顯示保存成功，同時可以注意到左下側有一欄信息顯示已標注和總的圖片數量，如下圖所示。保存標注信息課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.3數據標注（6）單擊“后一個”，切換到下一張圖片，重復第（3）-（5）步，直到所有照片標記完畢，如下圖所示，最后單擊“導出”。標注下一張圖片課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.3數據標注（7）導出格式選擇xml格式，如下圖所示。選擇導出為xml格式課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.3數據標注（7）點擊“保存到”路徑方框右邊的“...”選擇導出路徑，彈出對話框，如下圖所示，選擇導出路徑為data/Annotations，然后單擊“ok”按鈕，回到上一界面，單擊“確定導出”導出標注文件。導出所有標注完成圖片的路徑選擇課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.3數據標注（7）導出的文件夾data/Annotations下會自動生成一個outputs文件夾，里面是存儲標注完成的數據文件，如下圖所示。導出后data/Annotations/outputs文件夾下內容課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.3數據標注（7）我們需要將outputs文件夾下的數據剪切到Annotations文件夾的根目錄下，才能被讀取到，如圖2.96所示。至此，數據標注準備工作完成。Outputs內的數據轉移到Annotations根目錄下課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.4構建數據集在yolov5的根目錄下新建一個文件makeTxt.py和文件voc_label.py，本項目已提供好這兩個文件，如圖所示。文件makeTxt.py和文件voc_label.py課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.4構建數據集makeTxt.py主要是將數據集分類成訓練數據集和測試數據集，默認train，val，test按照8：1：1的比例進行隨機分類，運行后ImagesSets文件夾中會出現四個文件，主要是生成的訓練數據集和測試數據集的圖片名稱。同時data目錄下也會出現這四個文件，內容是訓練數據集和測試數據集的圖片路徑，操作步驟如下。課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.4構建數據集（1）在yolov5文件夾下，空白處右鍵打開一個終端窗口，如圖所示。yolov5文件夾下打開一個終端窗口課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.4構建數據集（2）輸入命令sourceactivateyolov5然后回車，進入已經配置好的虛擬環境。進入yolov5虛擬環境課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.4構建數據集（3）輸入命令pythonmakeTxt.py，回車，運行makeTxt.py文件，生成標注信息對應的文件目錄，trainval.txt，test.txt，train.txt和val.txt四個文件，如圖所示。ImageSets文件夾下生成的四個文件課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.4構建數據集（4）輸入命令pythonvoc_label.py運行voc_label.py文件。voc_label.py主要是將圖片數據集標注后的xml文件中的標注信息讀取出來并寫入txt文件，運行后在labels文件夾中出現所有圖片數據集的標注信息，如圖所示。至此，本次訓練所需的數據集已經全部準備好了。labels文件夾下生成txt文件課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.5文件修改（1）數據集方面的yaml文件修改（yaml是專門用來寫配置文件的語言，是一種通用的數據串行化格式）。首先在data目錄下，復制一份coco.yaml文件并將其重命名，例如本鏡像包中的命名為sign.yaml，放在data目錄下，并對sign.yaml中的參數進行配置。如下圖所示，修改train，val，test后面的路徑為之前存放的路徑，nc為數據集的類別數，修改為10，names為類別名稱的集合，和第3步中標注精靈助手標注圖片的時候所設置的參數一致。sign.yaml文件修改課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.5文件修改（2）網絡參數方面的yaml文件修改。接著在yolov5_project/models目錄下的yolov5s.yaml文件進行修改，根據實際標注類別修改，如下圖所示，把nc的參數改為10。yolov5s.yaml文件修改課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.5文件修改（3）準備訓練腳本文件（train.py，在yolov5項目文件夾下）。在train.py中找到下圖的參數配置函數，改為前面修改的yaml文件名稱。若運行訓練腳本報錯，可以嘗試修改‘--batch-size’參數的值改小一些，該參數是指單次傳遞給程序用以訓練的參數個數，數值小可以減少內存的使用，對于計算機內存不能滿足一次性訓練所有數據時，比較有效，有時候甚至需要改成1（特別是對于沒有GPU的計算機），如下圖所示。參數修改與訓練設置課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.6開始模型訓練回到yolov5虛擬環境，輸入pythontrain.py運行文件，以默認參數進行訓練，如圖所示。如果只考慮正樣本的指標，精確度P（Precision）和召回率R（Recall）是比較常用的指標。運行python

train.py課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通標志識別的一般流程任務實施準備工作ASL項目的環境配置準備六、自動限速識別（ASL）功能的開發實施6.6開始模型訓練正樣本是指屬于某一類別的樣本，負樣本是指不屬于某一類別的樣本；例如在做字母A的圖像識別，字母A的樣本就屬于正樣本，不是字母A的樣本就屬于負樣本。TP（TruePositive），把正樣本判定為正樣本；FP（FalseNegative），把正樣本判定為負樣本；TN（True，Negative），把負樣本判定為負樣本；FP（FalsePositive）把負樣本判定為正樣本。正樣本的精確度P：表示是判定為正樣本的樣本中，真正的正樣本比率有多少，P=TP/（TP+FP）。召回率R：是指針對所有正樣本，有多少正樣本被判定正確了，R=TP/（TP+FN）。mAP（meanaverageprecision）：是一個平均值，常用作目標檢測中的檢測精度指標。mAP指標通過對于一個平均目標來檢測任務中多個目標所對應不同AP（averageprecision）值進行計算得到。AP衡量的是學出來的模型在一個類別上的好壞，而mAP則衡量學出的模型在所有類別上的好壞。課程導入自動限速識別（ASL）功能的開發實施交通標志的識別方法交通