文件名称：matlab精度检验代码-road-sign-recognition:道路标志识别
文件大小：5.99MB
文件格式：ZIP
更新时间：2024-06-10 20:43:11
系统开源
matlab精度检验代码道路标志识别 该项目的目的是建立和训练用于路标分类的神经网络，并将其部署在Raspberry Pi上。 基于模型的设计 为了实现该项目，我们遵循如下所示的V模型开发周期。 系统要求：系统行为的一般定义 系统架构设计：定义用于培训和验证，部署和测试的软件模块 软件要求：输入和输出值以及标准库依赖项的定义 软件设计：在MATLAB上实现软件模块 自动代码生成：使用MATLAB Coder生成C ++代码 软件集成：将自动生成的代码与MATLAB脚本集成 软件测试：在PC上的MATLAB中运行的初步软件测试 系统集成测试：验证在Raspberry上代码生成和部署的正确性 系统测试（PIL）：循环测试中的最终处理器 入门 这些说明说明了如何设置执行下一部分中描述的步骤所需的工具。 先决条件 为了重现示例，需要以下工具： Raspberry Pi（在Model 2B和3B上测试） MATLAB深度学习工具箱 MATLAB编码器 嵌入式编码器 Raspberry Pi硬件的MATLAB支持包 深度学习库的MATLAB Coder接口 正在安装 安装MATLAB和前提条件部分
【文件预览】：
road-sign-recognition-master
----TestImages()
--------Danger.png(92KB)
--------Stop.png(3.65MB)
--------80km-h.png(101KB)
--------Roundabout.png(75KB)
--------TrafficLight.png(122KB)
----Documentation()
--------m2html.css(1KB)
--------c++.png(327B)
--------c.png(252B)
--------index.html(918B)
--------sgi.png(263B)
--------left.png(136B)
--------road-sign-recognition()
--------alpha.png(273B)
--------up.png(162B)
--------linux.png(272B)
--------solaris.png(286B)
--------menu.html(1KB)
--------hp.png(255B)
--------demoicon.gif(214B)
--------fortran.png(265B)
--------windows.png(286B)
--------doxysearch.php(8KB)
--------simulinkicon.gif(977B)
--------pcode.png(212B)
--------down.png(133B)
--------right.png(136B)
--------matlabicon.gif(574B)
--------mex.png(242B)
----mResNetCNNConfiguration()
--------mResNet.mlx(68KB)
--------TrainingMain.m(577B)
--------NetworkTest.m(971B)
--------NetworkTraining.m(835B)
--------DatasetReading.m(940B)
----RaspberryDeployment()
--------mResNet_classify.m(780B)
--------TestCodeGenerator.m(896B)
--------trained_net.mat(1.26MB)
--------PILRaspberryTest.m(545B)
--------Postprocess.m(2KB)
----ReportComplianceDesignProject.pdf(638KB)
----v_model.PNG(29KB)
----LICENSE(1KB)
----README.md(5KB)