基于MobileVIT和YoloV5融合改进的交通标志图像目标检测【含标注数据集、完整代码及预训练权重】

简介：
本项目提出了一种结合MobileVIT与YoloV5的创新方法，用于提升交通标志图像的目标检测精度。提供包含详尽标注的数据集、完整的源代码以及经过充分训练的模型权重文件，助力研究和开发工作。 基于mobileVIT+yolov5融合改进的交通指示牌图像目标检测项目包含了数据集、代码以及训练好的权重文件。 该项目将yolov5的骨干网络替换为官方实现的mobileVIT网络，经过100个epoch的简单训练后，map指标达到了0.988和0.757。由于仅进行了少量轮次的训练以进行测试，并未达到模型收敛状态，增加训练轮数可以进一步提升性能。 与yolov5相同的训练方法可用于本项目：将数据集放置在指定位置并修改yaml文件中的类别信息后即可开始训练。 具体的数据集分为两个部分： - 训练集（datasets-images-train）包含2493张图片和对应的2493个标签txt文件。 - 验证集（datasets-images-val）则由716张图片及相应的716个标签txt文件组成。