颜色分类leetcode traffic light detection classification:用于交通灯检测和分类的研究

颜色分类leetcode交通灯检测和分类概述作为Udacity SDC final project工作的一部分，我们在交通灯分类中采用了基于两阶段深度学习的方法。交通灯检测模块由两个串联的基于CNN的模型组成：交通灯检测（定位）和颜色分类。

交通灯检测将捕获的图像作为输入，并生成边界框作为要输入分类模型的输出。我们使用TensorFlow对象检测API，这是一个构建在TensorFlow之上的开源框架，用于构建、训练和部署对象检测模型。对象检测API附带了一系列在COCO数据集上预先训练的检测模型，非常适合快速原型设计。我们使用了ssd_mobilenet_v1_coco模型，这是基于SSD框架的轻量级模型，并进行了最少的修改。虽然该模型没有专门针对红绿灯检测进行优化，但它实现了良好的边界框精度和平衡的运行时间。

交通灯分类部分，在找到交通灯的边界框后，我们裁剪该区域并进行进一步的光颜色分类。