Updated 10/10/2026, 6:40:44 AM

自动驾驶多任务感知系统

PythonPyTorchOpenCVFastAPISQLite

功能介绍

自动驾驶多任务感知系统以 YOLOPv2 推理演示为核心，面向学习自动驾驶视觉感知、比较道路图像处理结果的使用者。页面支持上传图片、GIF 和视频，也可以从系统样例中按媒体类型筛选并分页选择输入。使用者设置置信度阈值、IoU 阈值、推理设备与处理模式后提交任务，查看处理进度和结果。

推理结果围绕道路场景的目标检测、可行驶区域与车道线感知进行展示。结果区可切换原图、结果和同屏对比视图，方便观察模型在不同道路画面中的输出差异。视频页面提供快速与完整模式，便于按演示需求选择处理范围。上传媒体由后端交给推理入口处理，结果文件通过专门接口返回。

系统使用 SQLite 保存推理历史，使用者可刷新记录、查看以前的任务与结果。典型场景包括对道路照片进行多任务感知演示、比较图片与视频的识别输出，以及通过历史记录复查实验。附件提供源码、实验报告、演示数据、视频、PPT 和答辩材料；模型权重需按项目配置另行准备。

用例图/使用场景

选择样例或上传媒体 → 设置推理参数与模式 → 提交推理 → 查看进度 → 对比原始画面和感知结果 → 查阅历史记录。现有用例图覆盖演示使用者的主要操作。

演示截图

技术栈

Python、PyTorch 与 Torchvision 负责模型相关计算，OpenCV、Pillow、NumPy 和 SciPy 用于媒体及数据处理；FastAPI、Uvicorn 与 python-multipart 提供页面和上传推理 API，SQLite 保存任务历史。前端采用 HTML、CSS 与 JavaScript。Matplotlib、Pandas、Seaborn、TensorBoard、tqdm、PyYAML 等是工程声明的数据处理、日志与脚本依赖。

项目资料附件

分片附件需全部下载并解压，按包内重组说明将同组 .part 文件按编号顺序二进制拼接，恢复原 ZIP 后解压。

定制服务:+v pink996611