GitHub - kcodea516/njust_research: 南京理工大学科研训练

基于深度学习的超限车辆智能感知方法与系统

🚗 项目简介

本项目是南京理工大学科研训练（SRTP）项目，旨在利用深度学习技术构建超限车辆智能感知系统。

本仓库为车辆分类模块（子任务一），基于 YOLOv8 实现对不同类型车辆（小轿车、客车、货车、面包车、SUV、危化品运输车）的自动检测与分类。

📁 项目结构

research/
├── data/                        # 数据目录
│   ├── raw/                     # 原始数据
│   ├── processed/               # 预处理后数据（YOLO格式）
│   └── dataset.yaml             # 数据集配置文件
├── models/                      # 模型权重
├── notebooks/                   # Jupyter 实验记录
├── src/                         # 源代码
│   ├── __init__.py              # 包初始化
│   ├── data_preprocessing.py    # 数据预处理与增强
│   ├── download_dataset.py      # 数据集下载与准备
│   ├── train.py                 # 模型训练
│   ├── evaluate.py              # 模型评估（mAP、FPS等）
│   ├── predict.py               # 推理与可视化
│   └── utils.py                 # 工具函数
├── results/                     # 实验结果
├── configs/                     # 配置文件
│   └── train_config.yaml        # 训练超参数配置
├── docs/                        # 文档
├── setup_env.sh                 # 环境搭建脚本
├── requirements.txt             # Python 依赖
└── README.md                    # 项目说明

🔧 环境搭建

方法一：使用脚本（推荐）

方法二：手动搭建

# 创建虚拟环境
conda create -n vehicle_perception python=3.10 -y
conda activate vehicle_perception

# 安装 PyTorch (CUDA 12.1)
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# 安装其他依赖
pip install -r requirements.txt

🚀 快速开始

1. 激活环境

conda activate vehicle_perception

2. 准备数据集

# 方式一：创建演示数据集（测试代码流程）
python src/download_dataset.py --dataset demo --output-dir data/processed/demo

# 方式二：使用 COCO 车辆子集
python src/download_dataset.py --dataset coco-vehicle --output-dir data/processed

# 方式三：使用自定义数据集（BIT-Vehicle等）
python src/download_dataset.py --dataset custom --source-dir /path/to/data --output-dir data/processed

3. 训练模型

# 使用默认配置训练
python src/train.py --data data/processed/demo/dataset.yaml --model yolov8s.pt --epochs 50

# 使用配置文件训练
python src/train.py --data data/processed/demo/dataset.yaml --config configs/train_config.yaml

# 查看推荐配置
python src/train.py --data data/processed/demo/dataset.yaml --recommend

4. 评估模型

# 评估模型性能
python src/evaluate.py eval --model results/xxx/weights/best.pt --data data/processed/demo/dataset.yaml

# 测试推理速度
python src/evaluate.py speed --model results/xxx/weights/best.pt

# 对比多个模型
python src/evaluate.py compare --models model1.pt model2.pt --data data/processed/demo/dataset.yaml

# 单张图片推理
python src/evaluate.py predict --model results/xxx/weights/best.pt --image test.jpg

5. 批量推理

# 对目录中的图片进行推理
python src/predict.py images --model results/xxx/weights/best.pt --input-dir test_images/

# 对视频进行推理
python src/predict.py video --model results/xxx/weights/best.pt --video test_video.mp4

6. 数据预处理

# 验证数据集
python src/data_preprocessing.py validate --data-dir data/processed

# 数据集划分
python src/data_preprocessing.py split --source-dir data/raw --output-dir data/processed

# 数据增强
python src/data_preprocessing.py augment --input-dir data/processed/images/train --output-dir data/augmented

# 统计可视化
python src/data_preprocessing.py stats --data-dir data/processed

🏗️ 技术架构

模型框架: YOLOv8 (Ultralytics)
深度学习: PyTorch
预训练: COCO 数据集迁移学习
注意力机制: Transformer (YOLOv8 内置)
数据增强: Mosaic、MixUp、随机亮度/对比度/模糊等

📊 车辆分类类别

ID	英文	中文	说明
0	car	小轿车	普通家用轿车
1	bus	客车	大型客运车辆
2	truck	货车	运输货物车辆（重点超限对象）
3	van	面包车	厢式货车/小型商用车
4	suv	SUV	运动型多用途车
5	tanker	危化品运输车	罐车/危险品运输（重点监控对象）

👥 团队分工

成员	负责模块
康思源	车辆分类模型构建与实验（本仓库）
王晨宇	车牌识别模型和系统构建
顾倚嘉	车辆超载检测

📄 License

南京理工大学科研训练项目，仅限学术用途。