无人驾驶：Term-1-p2-traffic-sign-classifier

最新推荐文章于 2024-09-15 08:31:53 发布

小建儿的小站

最新推荐文章于 2024-09-15 08:31:53 发布

阅读量1k

点赞数

分类专栏：无人驾驶文章标签：无人驾驶深度学习人工智能

本文链接：https://blog.csdn.net/Fleurdalis/article/details/79879374

版权

这篇博客介绍了使用深度学习对德国交通标志进行分类的项目。内容包括环境准备、处理流程、数据读取和处理、模型构建与训练，以及效果评估。在未精细调整的情况下，模型在测试集上达到了约99%的准确率。

摘要由CSDN通过智能技术生成

简介

Term-1第二节课是进行交通标志分类，数据集主要来自于German Traffic Sign，包含了42种交通标志，通过深度学习网络进行分类。

环境准备

python 2.7
numpy
scikit-learn
tensorflow
keras

处理流程

处理流程如下图所示

数据读取

我们拿到的数据集是一系列交通标志图像，每个类别的交通标志放在了同一个文件夹下，并且有一个csv文件用于描述每个交通标志图片的ROI区域和该标志所属类别。下载图像的时候网站提供了一份用于数据处理的python程序（Python code for GTSRB文件夹下），在这里可以用到。
这里按csv描述的图像信息进行ROI部分的提取，并使用pickle保存为.p文件方便后续模型训练使用。代码示例如下：

import numpy as np
import pickle
import os
import cv2
import csv

//处理训练数据
def process_train_data(path):
    file = os.listdir(path)
    classes = len(file)
    train_data = []
    train_labels = []
    for i in range(0,classes):
        dir_name = file[i]
        if dir_name=='.DS_Store':
            continue
        full_dir_path = path + dir_name
        csv_file_path = full_dir_path + '/' + 'GT-{0}.csv'.format(dir_name)
        with open(csv_file_path) as f:
            csv_reader =

最低0.47元/天解锁文章