注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 一种识别交通标志的多层次化神经网络结构

  2. 一种识别交通标志的多层次化神经网络结构,主要用来识别交通标志，数据集市德国交通标志数据集，该文论是2011年Lecun发表的

  3. 所属分类：深度学习

    • 发布日期：2018-05-14
    • 文件大小：651264
    • 提供者：u010665216

  1. GTSRB 测试数据png格式

  2. 把GTSRB（德国交通标志数据集），原本是ppm格式，现将其转换为png格式。 一会儿再传训练集。，

  3. 所属分类：机器学习

    • 发布日期：2019-03-23
    • 文件大小：69206016
    • 提供者：weixin_41513917

  1. GTSRB德国交通标志训练集

  2. 由于上传资源大小限制，本资源包括GTSRB德国交通标志训练集，非常适合初次接触深度学习交通识别领域的人进行学习使用。

  3. 所属分类：深度学习

    • 发布日期：2020-06-08
    • 文件大小：275775488
    • 提供者：weixin_41782745

  1. 德国交通标志数据集.zip

  2. 数据集训练集有42类交通标志，共有39000多张照片，测试集有16000多张照片，比比利时的数据多多l

  3. 所属分类：深度学习

    • 发布日期：2020-06-20
    • 文件大小：374341632
    • 提供者：weixin_32759777

  1. 交通标志分类器：用于交通标志分类器的卷积神经网络-源码

  2. 交通标志分类器 用于交通标志分类器的卷积神经网络 ！[替代文字]（'./自述图片'） 概述 在此代码中，使用了深度神经网络和卷积神经网络对交通标志进行分类。 该模型经过了培训和验证，因此可以使用“对交通标志图像进行分类。 训练模型后，对来自网络的随机交通标志（即德国交通标志）进行了测试。 该项目 这项工作的目标/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 数据集和存储库 下载数据集。 调整了数据集的大小，

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：1048576
    • 提供者：weixin_42138780

  1. computer-vision_german-traffic-signs：此仓库包含我们尝试检测和分类德国交通标志数据集中的交通标志的尝试。 合著者：jomartla＆MateuszKlimas-源码

  2. 计算机视觉：交通标志检测和分类 该存储库包含我们尝试对德国交通标志数据集中的图像中的交通标志进行检测和分类的尝试。 ： ＆ 每个笔记本都包含一个迭代，以稍有不同的方式解决问题，这是的最新也是最完整的版本。 您可以阅读我们工作的完整报告。 以下是所采取步骤的简短摘要： 问题陈述 我们要解决的问题可以用以下句子来说明： 给定一个图像，找到其中的所有交通标志（检测）并告诉它们是哪些（分类）。 我们的方法 为了解决这个问题，我们设计并训练了两个CNN网络： 二进制分类器：决定图像中是否包含交

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：16777216
    • 提供者：weixin_42176612

  1. 1百万个交通标志图像分类任务：交通标志图像的应用几何变换-源码

  2. 1百万张图像用于交通标志分类任务 对交通标志图像应用了几何变换 :graduation_cap: 相关课程 很快...加入这里：即将到来... :triangular_flag: 描述 当时有三个主要版本：原始， “轻”和“硬” 。 :link: 数据集本身 在此处探索用于训练自定义分类器的数据集：即将推出... 致谢 初始数据是德国交通标志识别基准（GTSRB）。 麻省理工学院执照 版权所有（c）2020 Valentyn N Sichkar github.com/sichkar-val

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：565248
    • 提供者：weixin_42098759

  1. 基于改进卷积神经网络的实时交通标志检测方法

  2. 提出了一种基于改进卷积神经网络的交通标志检测方法。预训练模型产生否定; 使用难分类负样本采集将负样本输入到网络中，提高模型的判别能力; 使用多尺度训练过程中的特征级联策略来进一步提升模型的性能。利用TensorFlow框架在德国交通标志检测数据集上对所提方法的有效性进行了仿真。研究结果表明，与现有技术相比，所提方法能够获得更快的检测速率，处理每幅图像仅需0.016 s。

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：6291456
    • 提供者：weixin_38509082

  1. 最终流量图像-源码

  2. 我使用Neuroinformatik研究所提供的德国交通标志数据集，构建，训练，测试并最终部署了一个分类器，该分类器可以检测> 95％的准确性的德国道路标志。

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：10485760
    • 提供者：weixin_42112894

  1. GTSRB-TensorFlow-Lite：基于MobileNet v1构建的用于德国交通标志基准数据集的TensorFlow Lite分类模型-源码

  2. GTSRB TensorFlow Lite 德国交通标志基准数据集的示例TensorFlow Lite分类模型。 创建该项目的目的是展示如何在之上构建卷积神经网络（通过Transfer Learning），并在TensorFlow Lite SDK的移动应用程序中使用卷积神经网络。 有关更多详细信息，请检查： 博客文章： 具有：数据集准备，模型训练和验证，转换为TensorFlow Lite。 数据集： 灵感：

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：13631488
    • 提供者：weixin_42120275

  1. 基于改进神经网络的交通标志识别

  2. 交通标志识别在驾驶辅助系统和交通安全方面发挥着重要作用。卷积神经网络在计算机视觉任务上取得了重大的突破,并在交通标志检测与识别方面取得了巨大的成功。然而,现有的识别方法通常达不到实时识别的效果。因此,提出一种改进卷积神经网络交通标志识别方法,通过加入初始模块,扩展网络结构和提出新的损失函数等多种方法来解决原始模型不擅于检测小目标的问题。在德国交通标志数据集上的仿真结果表明,与现有技术相比,提出的方法能够获得更高的检测速率,每张图片的处理时间仅为0.015 s。

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：10485760
    • 提供者：weixin_38665490

  1. traffic_sign_detection-源码

  2. 使用CNN进行交通标志检测 该项目是使用德国交通标志数据集，Keras和Tensorflow Data API创建的 [LINK] 如果您想自己运行它，我已经在data / Test文件夹中包含了一些图像。 注意：请阅读要求

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：3145728
    • 提供者：weixin_42134168

  1. MODEL_DEPLOYMENT:ML模型部署的测试仓库-源码

  2. 带有Streamlit的Traffic_Sign_Classifier 应用程序： 链接： ： 应用输出 项目概况 该项目的目标是专注于自动驾驶汽车决策能力的第一个基本特征，即开发一种深度学习模型，该模型可以读取交通标志并使用卷积神经网络（CNN）对其进行正确分类。 交通标志分类器使用德语交通数据集。德国交通数据集包括用于训练数据集的34,799张32 * 32像素彩色图像，用于测试数据集的12,630张图像和用于验证数据集的4410张图像，其中每个图像都是属于的交通标志的照片交通标志类型4

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：25165824
    • 提供者：weixin_42115074