该数据集是自己收集制作，实际项目所用，数据集质量可靠。一共有10种交通标志，分别是[‘ahead’, ‘clearway_no_stopping’, ‘crosswalk’, ‘motorway’, ‘non-motorized_lane’, ‘speed_limit_50’, ‘split-way’, ‘turn_left’, ‘turn_right’, ‘warning_sign’]。资源中数据集分为两种，一种是28x28大小的，另外一种是224x224大小。已做好分类，直接用。 使用于各种常见的cnn分类算法，适合于深度学习初学者学习。欢迎下载，有什么问题可私信沟通~

使用LeNet CNN对交通标志进行分类 描述 我们构建了LeNet类型的卷积神经网络模型，并对模型进行训练，以判断给定图片属于43个交通标志中的哪个。 那就是模型确定输入图像是否意味着： 停车标志 或限速30km / h ， 或儿童穿越， ...等 我们为43个交通标志分配了43个不同的整数（或43个规范矢量，大小为43）。 组织 我们首先给出问题陈述并准备data_preparation_pblm_statmnt.ipynb中的数据 我们在modelling.ipynb中进行训练/建模部分 原始数据存储在data / raw中。 处理后的数据存储在数据中/处理后 原始数据集的来源 我们使用的原始数据集包含来自的约51839张免费提供的图像。 J. Stallkamp，M。Schlipsing，J。Salmen和C. Igel。 德国交通标志识别基准测试：多类别分类比赛。 在I