基于LeNet5实现交通标志分类任务

前言

大家好，我是阿光。

本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。

正在更新中~ ✨

🚨 我的项目环境：

• 平台：Windows10
• 语言环境：python3.7
• 编译器：PyCharm
• PyTorch版本：1.8.1

💥 项目专栏：【PyTorch深度学习项目实战100例】

---

一、基于LeNet5实现交通标志分类任务

交通标志的定位 随着自动驾驶汽车技术的发展，对高质量的计算机视觉系统的需求正在增加。在道路上，不同的标志通过视觉系统向人类司机提供重要信息。 对于一个自动驾驶系统，我们用摄像头收集这些信息，并在深度学习和计算机视觉的帮助下进行处理。这可能是非常有用的，因为自动驾驶系统可以更加了解它周围的环境。这对汽车安全以及没有GPS信号的地方的导航都有影响。

所以本项目在研究交通标志识别过程中，借助人工智能算法的优势，开展基于深度神经网络的图像分类实验。作为入门级任务使用LeNet5模型进行学习，经迭代100次后分类准确率达到89%。