文件名称：颜色分类leetcode-TrafficSignRecognition:用于交通标志识别的深度神经网络
文件大小：12.96MB
文件格式：ZIP
更新时间：2024-07-26 15:16:02
系统开源
颜色分类leetcode 交通标志识别 用于交通标志识别的深度神经网络 自从 MobilEye 与 Continental AG 合作为 BMW-7 系列车辆开发了第一个商业部署的交通标志识别系统以来，发生了很多事情。 从那以后，相当多的车辆已经使用了这项技术。 建立可靠的交通标志分类机制是我们构建半自动/自动驾驶系统的重要一步。 这篇文章旨在解释一种解决交通标志分类问题的方法，我打算展示构建、训练和部署用于交通标志分类的深度学习网络是多么容易。 这种方法的亮点 我们将要处理的交通标志数据集是 GTSRB——德国交通标志。 使用的方法是深度学习。 使用的神经网络类型是与线性分类器配对的卷积神经网络 (CNN)。 Python 是用于对此进行编程的语言。 完整的源代码可以在这里找到 入门 包含 32x32x3 彩色图像的 pickled 数据集拆分为标记的训练、测试和验证集 克隆存储库 绕过存储库 最初，所有代码都驻留在文件 TrafficSignClassifier.ipynb 中 为了清理代码并使其可重用，部分代码被导出到一个名为 PreProcessing.py 的 Python
【文件预览】：
TrafficSignRecognition-master
----Confusion_Matrix.png(217KB)
----Model_graph.png(667KB)
----TrafficSignClassifier.html(1.31MB)
----PreProcessing.ipynb(13.75MB)
----TrafficSignClassifier.ipynb(1023KB)
----examples()
--------random_noise.jpg(24KB)
--------grayscale.jpg(26KB)
--------visualization.jpg(15KB)
--------placeholder.png(5KB)
----Test_Result.png(269KB)
----PreProcessing.py(29KB)
----README.md(7KB)
----Test Images()
--------uk-20mph-speed-limit-sign.jpg(14KB)
----DataPreProcessingSteps.png(33KB)
----AWS Issue.png(10KB)
----Capture_Images.png(269KB)
----ModelArch.png(128KB)
----DataVisualization.png(23KB)