Traffic sign classifier:在该项目中使用深度神经网络和卷积神经网络对交通标志进行分类。 对模型进行了训练使其可以使用“德国交通标志数据集”
项目:建立交通标志识别程序 该项目 该项目的目标/步骤如下: 加载数据集 探索,总结和可视化数据集 设计,训练和测试模型架构 使用模型对新图像进行预测 分析新图像的softmax概率 用书面报告总结结果 依存关系 该项目要求: tensorflow-gpu == 1.7.0 scipy == 1.0.0 matplotlib == 2.0.0 numpy == 1.14.2 opencv-contrib-python == 3.4.0.12 sklearn == 0.18.2 数据集探索 数据集摘要 。 加载数据集和基本摘要 加载数据集后,我得到以下摘要信息: 训练例数:34799 测试例数:12630 验证示例数:4410 图像形状为:(32 32,3) 类数标签:43 探索性可视化 该图像网格表示从训练集中每个类别中选择的一个随机图像 分配 现在,我们将探索分
文件列表
Traffic-sign-classifier-master.zip
(预估有个36文件)
Traffic-sign-classifier-master
.gitattributes
52B
Traffic_Sign_Classifier.ipynb
4.41MB
visualize_cnn.png
232KB
utils.py
6KB
model.index
4KB
requirements.txt
115B
examples
placeholder.png
5KB
grayscale.jpg
26KB
暂无评论