使用深度学习对交通标志进行分类

最新推荐文章于 2023-02-24 13:13:03 发布

weixin_26706653

最新推荐文章于 2023-02-24 13:13:03 发布

阅读量1.5k

点赞数 2

文章标签：深度学习 python 机器学习人工智能算法

原文链接：https://medium.com/@arfat23966/classification-of-traffic-signs-using-deep-learning-d6c79e95db5f

版权

本文介绍了使用深度学习技术，特别是卷积神经网络(CNN)对交通标志进行分类的方法。通过德国交通标志数据集训练模型，经过图像标准化、建立CNN模型、训练和评估，实现了对43种交通标志的识别，测试准确性达到约80%。

摘要由CSDN通过智能技术生成

Traffic-sign recognition (TSR) technology- a technology by which a vehicle is able to recognize the traffic signs that are placed on the road e.g. “ Turn right ahead”, “Speed limit”, or “Stop” etc.- can be implemented using CNNs. This is important because a prompt response to real-time traffic events can prevent road accidents.This article will explain all the steps taken to design a Deep Learning model to do that.

可以实施交通标志识别 (TSR)技术-一种车辆能够识别道路上交通标志的技术，例如“向右转”，“限速”或“停车”等。使用CNN。这很重要，因为对实时交通事件做出SwiftReact可以预防道路交通事故。本文将解释设计深度学习模型以实现此目的的所有步骤。

1.导入库和数据集 (1. Importing Libraries and Dataset)

Key python libraries will be imported.

关键的python库将被导入。

The dataset used is a German Traffic Sign Dataset. We will use around 34,800 images for training dataset, 12630 images for test dataset and 4410 images for validation dataset.

使用的数据集是德国交通标志数据集。我们将使用约34,800张图像作为训练数据集，使用12630张图像作为测试数据集，并使用4410张图像作为验证数据集。