行业资料-交通装置-一种具有道路交通标志指示功能的广告路灯.exe
行业资料-交通装置-一种带有交通标志的压杆式千斤顶.exe
行业分类-物理装置-基于多尺度信息和残差网络的小目标交通标志检测方法.zip
基于神经网络的交通标志识别方法
2021-07-21 16:13:59 776.98MB 卷积神经网络 python
GB5768-2017道路交通标志和标线,内含6个部分。第1部分:总则;第2部分:道路交通标志;第3部分:道路交通标线;第4部分:作业区;第5部分:限制速度;第6部分:铁道路口。
2021-07-20 09:04:22 20.66MB 道路交通 标准规范
1
道路交通标志与标线-第1~8部分 GB 5768的本部分全部技术内容为强制性。 GB 5768《道路交通标志和标线》分为八个部分, ——第1部分:总则; ——第2部分:道路交通标志, ——第3部分:道路交通标线; ——第4部分:作业区; ——第5部分:速度管理3 ——第6部分:铁路平交口, ——第7部分:自行车和行人控制; ——第8部分:学校区域。 本部分为GB 5768的第2部分。 本部分代替GB 5768-1999(道路交通标志和标线〉的一般规定、相应部分及1999年的1号修改 单、2005年的2号修改单。本部分与GB 5768-1999对应部分及修改单相比,主要变化如下:
1
其中包括测试集和训练集,可以用来训练交通标志分类,可以与交通标志识别组合起来数据就可以实现完整的,交通标志识别任务
2021-06-03 09:24:52 247.11MB 交通标志数据集
1
针对现有主流检测算法在低光照或光照条件强烈变化情况下对交通标志检测精度不足、漏检现象严重的问题,提出一种改进后的基于图像关键点统计变换(MCT)特征的Adaboost集成算法,以降低样本图像对光照变化的敏感性,通过对图像关键点进行提取并建立弱分类器,增强噪声和部分遮挡情况下算法的抗干扰能力,同时采用多尺度特征融合算法实现交通标志的分类识别。选用德国交通标志数据集(GTSDB、GTSRB)和自建数据集对所提算法性能进行验证,结果表明,在三类数据集中本文算法均具有最佳检测率与识别率,对于低光照条件下的交通标志图像,本文算法的检测精确率为94.96%,在复杂光照环境下具有较好的稳健性。
2021-06-01 10:58:06 13.19MB 图像处理 交通标志 关键点 Adaboost
1
matlab交通标志识别.zip
2021-05-27 11:06:04 2.52MB Matlab 交通标志识别
1
道路交通标志检测与识别-.rar
2021-05-16 15:11:01 4.96MB 交通
1