文件名称：颜色分类leetcode-GTSRB-caffe-model:德国交通标志识别基准(GTSRB)AlexNetpycaffe模型。http:/
文件大小：2.7MB
文件格式：ZIP
更新时间：2024-07-26 16:08:36
系统开源
颜色分类leetcode 文档 这是使用深度学习模型 AlexNet 对德国交通标志进行图像识别的文档。 用于训练模型的图像检索自 模型下载 如果由于超出了我的 git lfs 配额而无法下载模型，请在此处下载： 图片 波恩鲁尔大学的 Institut fuer Neuroinformatik 提供了一个包含 43 个不同街道标志的超过 50,000 张图像的数据集。 这些图像采用 PPM 格式，每个图像都包含一个交通标志。 尺寸从 15x15 到 250x250 像素不等，图像不一定是正方形。 伴随图像而来的是 CSV 文件中提供的注释，这些注释产生文件名、大小、要在其中找到标志的边界框的坐标以及分配的类标签。 准备 作为接口DIGITS，我们用来训练模型，只取png格式的图像，我们首先将图像从PPM转换为png。 在同一步骤中，我们还使用添加的 CSV 文件中给出的坐标裁剪图像，以便在图像中只看到标志。 我们为此编写的程序称为 labeller.py，可以在对应的目录中找到。 训练 为了训练 AlexNet 模型，我们首先从准备好的图像（使用 labeller 文件夹中的脚本）创建
【文件预览】：
GTSRB-caffe-model-master
----.gitattributes(99B)
----images()
--------00023.png(1KB)
--------00006.png(18KB)
--------00032.png(4KB)
--------road.png(1.72MB)
--------00001.png(3KB)
--------00013.png(2KB)
--------00019.png(2KB)
--------00040.png(5KB)
--------00009.png(8KB)
--------00038.png(1KB)
--------00047.png(1KB)
--------00027.png(722B)
--------00018.png(1KB)
--------00039.png(1KB)
--------00010.png(2KB)
--------00046.png(1KB)
--------00000.png(4KB)
--------00045.png(3KB)
--------00003.png(993B)
--------00011.png(2KB)
--------00017.png(1KB)
--------00033.png(2KB)
--------00043.png(1KB)
--------00025.png(2KB)
--------00044.png(6KB)
--------00049.png(2KB)
--------00022.png(12KB)
--------00004.png(4KB)
--------00036.png(1KB)
--------00028.png(1KB)
--------00029.png(2KB)
--------00030.png(2KB)
--------00041.png(1KB)
--------00005.png(3KB)
--------00012.png(4KB)
--------00020.png(960B)
--------00031.png(883B)
--------00002.png(3KB)
--------00007.png(1KB)
--------00026.png(4KB)
--------00021.png(4KB)
--------00034.png(5KB)
--------00015.png(686B)
--------00016.png(2KB)
--------00048.png(1016B)
--------00035.png(1KB)
--------00014.png(3KB)
--------00037.png(8KB)
--------00024.png(5KB)
--------00042.png(9KB)
--------00008.png(3KB)
----demo()
--------WT15-DL_SignKafe_main.py(942B)
--------README.md(1KB)
--------detect0r.py(2KB)
--------example.py(8KB)
----README.md(5KB)
----labeller()
--------main.py(6KB)
--------README.md(2KB)
----caffe()
--------20151207-223900-80d9_epoch_30.0()
----WT15-DL_SignKafe.pptx(895KB)