该课题为基于MATLAB bp神经网络的雾霾天气下交通标志的识别系统。主要分两步骤，一是进行图像去雾，采用暗通道的方法获取光透射率，从而去除雾霾。得到清晰的图片后，利用颜色的方法进行交通标志的定位，众所周知，交通标志基本是红，蓝，黄三色组成，根据RGB不同组合可以定位到不同颜色，因为存在误差，所以需要借助形态学相关知识，将得到的误干扰面积去除，从而实现精准定位。定位后，在原图基础上进行分割出彩色图标，利用bp神经网络方法，进行训练，识别，从而得出结果。本设计配有一个GUI可视化界面，操作简单容易上手。是个不错的选题。
2021-09-28 18:04:11
79.64MB
交通标志检测
这是论文的代码
， ，
本文通过结合多种特征提取器（Resnet V1 50， Resnet V1 101，Inception V2，Inception Resnet V2，Mobilenet V1和Darknet-19）。 我们旨在探索这些对象检测模型的特性，这些对象通过转移学习进行了修改，并特别适合于交通标志检测问题领域。 特别是，在Microsoft COCO数据集上进行了预训练的各种公开可用的对象检测模型在数据集上进行了微调。 这些模型的评估和比较包括关键指标，例如平均平均精度（mAP），内存分配，运行时间，浮点运算次数，模型参数数量以及交通标志图像尺寸的影响。
我们提供：
几种。
。
测试代码以。
说明。
说明。
创建GTSDB TFRecords的脚本。
如果您发现此代码对您的研究有用，请引用：
"Evaluation of deep ne
2021-09-13 11:57:27
7.19MB
1
使用Tensorflow识别交通标志
这是一个由多部分组成的教程，用于使用Tensorflow构建交通标志识别模型。
这是一个正在进行的工作。 包括第1部分。 第2部分和第3部分正在开发中。
2021-09-11 15:06:44
4.97MB
1