车辆检测及型号识别，准确率接近90%

代码获取方式：

关注微信公众号 datayx 然后回复 车辆 即可获取。

本项目中，将实现一个车辆检测的工业级系统。

需要利用tensorflow提供的slim图片分类框架和物体检测框架实现一个可以对任意图片进行车辆检测的系统

评价标准

系统要求能检测任意图片并给出合理的输出，需要给出合理的评价指标，例如map等。

从任意图片网站上，随机下载一张有汽车在内的图片，送入系统进行检测。可以输出并显示图片中车辆的位置和型号等信息。没有车辆的图片可以给出没有检测到的提示。

本项目用到一个车辆分类的数据集。数据集分类参考数据集中的labels.txt文件：

共48856张图片 其43971张作为训练集，4885张作为验证集。数据预先打包成tfrecord格式。

推荐的输入方式有：

命令行直接指定待识别文件 搭建一个web系统，使用表单方式上传文件 搭建一个native程序，使用pyqt等GUI框架搭建GUI界面

推荐的输出方式：

将检测结果写入文件 使用matplotlib显示检测结果 搭建一个web系统，在web页上显示结果 搭建一个native程序，使用pyqt等GUI框架搭建GUI界面

训练数据集为分类数据，在1080Ti显卡上，以inceptionv4网络，0.001的学习率，利用google提供的预训练模型，在6～8个小时的训练后可以得到top1 80%的准确率。经过24个小时的训练后，top1可以达到88%。