交通标志识别：使用 LeNet 和 VGG 模型识别 GTSRB 数据集上的交通标志

交通标志识别是计算机视觉领域的一个重要任务，尤其对于自动驾驶汽车和智能交通系统来说。在本文中，我们将介绍如何使用 LeNet 和 VGG 模型在德国交通标志识别数据集（GTSRB）上进行交通标志识别任务。我们将从数据预处理开始，然后分别构建和训练 LeNet 和 VGG 模型，最后对比两种模型的性能。

1. 数据集介绍

GTSRB 数据集包含 43 种不同类别的交通标志，共有 50,000 张图片。数据集中的图片大小不一，但为了训练模型，我们需要将它们调整为相同的大小。

2. 数据预处理

首先，我们需要加载数据集并进行预处理。数据预处理包括：加载图片，将图片大小调整为相同的尺寸，归一化，将标签转换为独热编码等。

2.1 加载数据集

我们可以使用以下代码从文件中加载 GTSRB 数据集。

import os
import numpy as np
import cv2
from skimage import io
from sklearn.model_selection import train_test_split

def load_data(data_dir, img_size):
    images = []
    labels = []

    for label in os.listdir(data_dir):
        label_dir = o