毕设所有选题：
https://blog.csdn.net/2303_76227485/article/details/131104075

基于python+深度学习+YOLOV8的交通标志识别系统(源代码+数据库+报告)269

一、系统介绍

1、用户：

• 在界面中选择各种图片，可以是自己在路边拍摄的图片，可以选择视频，可以调用摄像头，进行交通标志识别，检测速度快，检测精度高。
• 使用yolov8来进行模型训练

二、所用技术

python=3.9、opencv、PyQt5、torch1.9

三、环境介绍

基础环境 :IDEA/pycharm, python3.9

所有项目以及源代码本人均调试运行无问题 可支持远程调试运行

四、页面截图

1、用户：

## 五、部署教程

1. 使用IDEA/PyCharm导入trafficSignDetection项目，File>setting>Project>Python interpreter配置虚拟环境

2. 安装软件所需的依赖库（注意：输入命令前，命令行需先进入项目目录的路径下，不然会提示找不到文件）
   方法一：【推荐】
   直接运行installPackages.py一键安装第三方库的脚本。命令为：python installPackages.py
   方法二: 运行下方命令
   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 按照以上两步环境配置完成后，直接运行MainProgram.py文件即可打开程序。命令为：python MainProgram.py

六、模型训练

【注意，由于数据集较大为10G,所以将代码部分与数据集分开上传了。请将数据集部分下载后放置到datasets目录中】
将文件【datasets/TrafficSignData/data.yaml】中train,val数据集的绝对路径改为自己项目数据集的绝对路径
train: F:\educationProject\deepLearning\trafficSignDetection\TrafficSignDetection\datasets\TrafficSignData\images\train
val: F:\educationProject\deepLearning\trafficSignDetection\TrafficSignDetection\datasets\TrafficSignData\images\val

然后运行train.py文件即可开始进行模型训练,训练结果会默认保存在runs/detect目录中。
其中runs/train是我已经训练好的结果文件，含模型与所有过程内容。
训练好的模型在runs/train/weights目录下，last.pt表示最后一轮结果的训练模型，best.pt表示训练中最好结果的训练模型。一般我们使用best.pt就行。