交通标志检测 这是论文的代码 , , 本文通过结合多种特征提取器(Resnet V1 50, Resnet V1 101,Inception V2,Inception Resnet V2,Mobilenet V1和Darknet-19)。 我们旨在探索这些对象检测模型的特性,这些对象通过转移学习进行了修改,并特别适合于交通标志检测问题领域。 特别是,在Microsoft COCO数据集上进行了预训练的各种公开可用的对象检测模型在数据集上进行了微调。 这些模型的评估和比较包括关键指标,例如平均平均精度(mAP),内存分配,运行时间,浮点运算次数,模型参数数量以及交通标志图像尺寸的影响。 我们提供: 几种。 。 测试代码以。 说明。 说明。 创建GTSDB TFRecords的脚本。 如果您发现此代码对您的研究有用,请引用: "Evaluation of deep ne