支持类别
7 类
覆盖行人、自行车、汽车、公交车、卡车等道路目标。
项目总览
系统关键指标
正在检查系统状态…
对比模型
3 个
ResNet50、MobileNetV2、EfficientNet-B0。
最佳模型
加载中
正在读取测试准确率
最快推理
加载中
正在读取 FPS
数据规模
加载中
训练 / 验证 / 测试三部分独立统计。
累计训练时长
加载中
展示训练闭环，不是只做静态页面。
系统亮点
系统核心能力
多模型对比
系统支持 ResNet50、MobileNetV2、EfficientNet-B0 三种模型，并在实验页展示准确率、耗时和 FPS 对比。
数据增强训练
训练流程纳入旋转、翻转、裁剪和复杂场景增强，用于提升模型在真实道路图像中的泛化表现。
Grad-CAM 可解释性
单图识别页可以直接输出热力图，展示模型重点关注的图像区域，增强算法解释性。
复杂场景能力
复杂场景页支持低照度、噪声、局部裁剪压力测试，回答“特殊情况是否考虑到”的问题。
训练与实验闭环
不只展示识别结果，系统还保留训练摘要、模型对比、评估报告与历史识别记录。
完整功能链路
支持内置样例、实时抓拍、批量识别和后台查看，能够覆盖识别、记录、分析与管理等完整使用流程。
功能路径
推荐分析流程
01
单图识别
先使用系统内置样例完成分类与 Grad-CAM 分析，快速确认模型推理链路。
02
复杂场景
继续使用实时抓拍、批量识别和特殊场景压力测试，观察模型在不同输入条件下的鲁棒性。
03
评估报告
最后进入评估报告，结合准确率、速度、训练摘要和模型对比表判断模型取舍。
识别类别
系统支持的七类道路目标
行人
Person
自行车
Bicycle
汽车
Car
摩托车
Motorcycle
公交车
Bus
卡车
Truck
交通信号灯
Traffic Light