交通标志识别：具有STN和大量数据增强功能的PyTorch中的交通标志识别（GTSRB）
交通标志识别
将交通标志图像识别并分类为来自数据集的43类。
该项目是Rob Fergus领导的纽约大学计算机视觉课程的一部分，并作为Kaggle竞赛进行。 该模型是使用带有IDSIA网络修改版本的Spatial Transformer网络设计的，并使用大量增强的数据进行了训练。 该模型在Kaggle排行榜上达到了约99.5％的测试设置精度，远高于人工精度。
该项目的整个开发过程可以在阅读。
数据
从下载培训和测试文件夹
跑步
项目可以通过两种方式运行，即main.ipynb jupyter笔记本（最初用于实验）和main.py文件。 对于jupyter笔记本，它包含与数据增强，预处理和培
文件下载
评论信息
其他资源
- 网络安全等级保护_XX系统定级备案材料模板.7z
- 可以自动生成Verilog的Testbench的Perl脚本
- 图像分割-snake算法 python版本
- Android自定义虚拟摇杆，虚拟四分按盘，左右拖动按盘
- 最新最全AD 集成库，十年呕心沥血收集
- 使用QT实现的ftp客户端工具，QT版本：5.6
- UltraEdit破解版dll，通杀UE系列所有产品
- java导出word文档,固定模板
- 表白页面源码
- 基于复杂网络的矿物浮选泡沫图像纹理提取与分类方法
- 网站2020-源码
- GroundCover.shader
- Statistical Analysis of fMRI Data - F. Gregory Ashby
- XML文件生成器
- 通信电子线路 调幅解调混频电路的课程设计
- 智能车程序智能车资料
- ImageJ安装包
- 编译器前两步
- ISE生成coe文件工具
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明