该课题为基于Matlab的交通标志识别系统。带有一个人机交互界面。可以判别红色精灵蓝色指示和黄色警示三类交通标志。可以进行二次拓展，也就是每次识别不需要人为手工的去选择颜色。也可以进行视频的识别。识别之后可以进行语音播报。
2021-11-24 09:03:50
3.54MB
1
该课题为基于Matlab的交通标志识别系统。带有一个人机交互界面。可以判别红色精灵蓝色指示和黄色警示三类交通标志。可以进行二次拓展，也就是每次识别不需要人为手工的去选择颜色。也可以进行视频的识别。识别之后可以进行语音播报。
2021-11-24 09:03:29
3.54MB
1
交通标志识别已被研究。多年以来，大多数现有的工作都集中在基于符号的交通标志上。本文提出了一种新的数据驱动系统，用于识别安装在汽车上的摄像头捕获的视频序列中的交通标志的所有类别，包括基于符号的标志和基于文本的标志。该系统由三个阶段组成，感兴趣的交通标志区域（ROI）提取，ROI，细化和分类以及后处理。首先使用灰色和归一化RGB通道上的最大，稳定的极值区域提取交通标志的每帧ROI，然后通过拟议的多任务卷积神经网络对其进行细化并分配给其详细类别。包含大量数据，包括合成的交通标志和从街景视图中标记的图像。后处理最终将所有帧中的结果合并以做出识别决策。实验结果证明了该系统的有效性。
2021-11-22 11:32:40
1.12MB
1
【交通标志识别】基于SIFT特征实现交通标志识别matlab源码含GUI.zip
2021-11-21 17:09:29
1.21MB
1
颜色分类leetcode
交通标志识别
语境
在这个项目中，我将解释如何构建一个深度学习模型来识别交通标志。
它旨在成为一种学习体验，对于我自己和其他喜欢在这里学习的人来说，我将专注于实践方面。
我将描述我自己构建这个模型的经验并分享源代码。
这适合那些已经了解
Python
和机器学习基础知识，但想要亲身体验并练习构建真实应用程序的人。
在这一部分中，我将解释图像分类，并将使模型尽可能简单，涵盖卷积网络、数据增强和对象检测。
项目的问题陈述和目标
我在这里使用的数据集是德国交通标志基准，是在
2011
年国际神经网络联合会议
(IJCNN)
上举行的多类、单图像分类挑战。
交通标志检测是一个高度相关的计算机视觉问题，是汽车等行业中许多应用的基础。交通标志可以在颜色、形状以及象形图或象形图的存在方面提供各种类别之间的广泛变化。文本。
在这个项目中，我将开发一种深度学习算法，该算法将对德国交通标志图像进行训练，然后对未标记的交通标志进行分类。
深度学习模型将使用
tensorflow
构建，我们还将了解使用
OpenCV
预处理图像的各种方法，并使用云
GPU
服务提供商。
该项目的细分
2021-11-21 16:10:03
179KB
1
该课题为基于Matlab的交通标志识别系统。带有一个人机交互界面。可以判别红色精灵蓝色指示和黄色警示三类交通标志。可以进行二次拓展，也就是每次识别不需要人为手工的去选择颜色。也可以进行视频的识别。识别之后可以进行语音播报。
2021-11-21 12:03:22
809KB
1
项目：深度学习中的交通标志识别
概述
在这个项目中，使用python和TensorFlow来构建和训练卷积神经网络来对交通标志进行分类。 该模型在集中的交通标志图像上经过了验证。 该项目的详细文章可以在找到。
计划摘要
该项目的目标/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
依存关系
本实验要求：
可以使用CarND Term1入门工具包创建实验室环境。 单击了解详细信息。
数据集和存储库
下载数据集。 教室具有指向“项目说明”内容中的数据集的链接。 这是一个腌制的数据集，其中我们已经将图像调整为32x32。 它包含培训，验证和测试集。
克隆项目，其中包含Ipython笔记本和编写模板。
git clone https://github.com/udacity/CarND-Traffic-Sig
2021-11-15 17:19:32
12.74MB
1
3、路面导向标志检测：
用二值化与逆透视变换叠加，再通过联通区域滤波的方法来提取路面交通标志的感兴趣区域。
1、类点数约束：
对于每一个分割类，其包含的点数是判断其是否可能是路面标志的最快速方法。分割类的点数 n 应满足：
2、类外接矩形约束：
类外接矩形可以大致勾勒出类的形状范围，对于判断是否是路面标志也有很好的效果，其外接矩形边长 u，v，它们应满足：
2021-11-11 13:30:19
5.26MB
1