我們可以創(chuàng)建一個(gè)能夠?qū)煌?biāo)志進(jìn)行分類(lèi)的模型，并且讓模型自己學(xué)習(xí)識(shí)別這些交通標(biāo)志中最關(guān)鍵的特征。在這篇文章中，我將演示如何創(chuàng)建一個(gè)深度學(xué)習(xí)架構(gòu)，這個(gè)架構(gòu)在交通標(biāo)志測(cè)試集上的識(shí)別準(zhǔn)確率達(dá)到了98％。
　　交通標(biāo)志是道路基礎(chǔ)設(shè)施的重要組成部分，它們?yōu)榈缆肥褂谜咛峁┝艘恍╆P(guān)鍵信息，并要求駕駛員及時(shí)調(diào)整駕駛行為，以確保遵守道路安全規(guī)定。如果沒(méi)有交通標(biāo)志，可能會(huì)發(fā)生更多的事故，因?yàn)樗緳C(jī)無(wú)法獲知最高安全速度是多少，不了解道路狀況，比如急轉(zhuǎn)彎、學(xué)校路口等等。現(xiàn)在，每年大約有130萬(wàn)人死在道路上。如果沒(méi)有這些道路標(biāo)志，這個(gè)數(shù)字肯定會(huì)更高。
　　
　　當(dāng)然，自動(dòng)駕駛車(chē)輛也必須遵守交通法規(guī)，因此需要_識(shí)別_和_理解_交通標(biāo)志。
　　從傳統(tǒng)上來(lái)說(shuō)，可以使用標(biāo)準(zhǔn)的計(jì)算機(jī)視覺(jué)的方法來(lái)對(duì)交通標(biāo)志進(jìn)行檢測(cè)和分類(lèi)，但同時(shí)也需要耗費(fèi)相當(dāng)多的時(shí)間來(lái)手工處理圖像中的重要特征。現(xiàn)在，我們引入深度學(xué)習(xí)技術(shù)來(lái)解決這個(gè)問(wèn)題。我們可以創(chuàng)建一個(gè)能夠?qū)煌?biāo)志進(jìn)行分類(lèi)的模型，并且讓模型自己學(xué)習(xí)識(shí)別這些交通標(biāo)志中最關(guān)鍵的特征。在這篇文章中，我將演示如何創(chuàng)建一個(gè)深度學(xué)習(xí)架構(gòu)，這個(gè)架構(gòu)在交通標(biāo)志測(cè)試集上的識(shí)別準(zhǔn)確率達(dá)到了98％。
　　項(xiàng)目設(shè)置
　　數(shù)據(jù)集可分為訓(xùn)練集、測(cè)試集和驗(yàn)證集，具有以下特點(diǎn)：
　　圖像為32（寬）×32（高）×3（RGB彩色通道）
　　訓(xùn)練集由34799張圖片組成
　　驗(yàn)證集由4410個(gè)圖像組成
　　測(cè)試集由12630個(gè)圖像組成
　　共有43個(gè)種類(lèi)（例如限速20公里/小時(shí)、禁止進(jìn)入、顛簸路等等）
　　此外，我們將使用Python 3.5與Tensorflow來(lái)編寫(xiě)代碼。
　　圖像及其分布
　　你可以在下圖中看到數(shù)據(jù)集中的一些示例圖像，圖像的標(biāo)簽顯示在相應(yīng)行的上方。其中一些非常暗，稍后我們會(huì)調(diào)整它們的對(duì)比度。
　　
　　訓(xùn)練集中各個(gè)種類(lèi)圖像的數(shù)量明顯不平衡，如下圖所示。某些種類(lèi)的圖片少于200張，而其他的則有2000多張。這意味著我們的模型可能會(huì)偏向于代表性過(guò)高的種類(lèi)，特別是當(dāng)它的預(yù)測(cè)無(wú)法確定時(shí)。我們稍后會(huì)看到如何使用數(shù)據(jù)增強(qiáng)來(lái)緩解這個(gè)問(wèn)題。
　　
　　預(yù)處理步驟
　　我們首先要對(duì)圖像應(yīng)用兩個(gè)預(yù)處理步驟：
　　灰度化

普通下載普通下載

相關(guān)電子資料下載

• 兆芯推出基于KH-40000的深度學(xué)習(xí)訓(xùn)推一體化解決方案 42
• ONNX是什么？ 75
• 無(wú)監(jiān)督深度學(xué)習(xí)實(shí)現(xiàn)單次非相干全息3D成像 88
• NVIDIA Isaac Manipulator助力讓下一代機(jī)器人技術(shù)觸手可及 274
• 泰禾智能新品首發(fā)亮相2024安徽春季茶博會(huì)！ 129
• DeepMind推出AlphaFold 3，預(yù)測(cè)生命分子交互，開(kāi)辟全新醫(yī)療領(lǐng)域 83
• 點(diǎn)亮深度學(xué)習(xí)技能？讓嵌入式平臺(tái)來(lái)點(diǎn)升級(jí)吧 165
• 聯(lián)發(fā)科等聯(lián)合發(fā)布生成式AI手機(jī)產(chǎn)業(yè)白皮書(shū)，預(yù)測(cè)2027年市場(chǎng)規(guī)模 68
• 智能駕駛大模型：有望顯著提升自動(dòng)駕駛系統(tǒng)的性能和魯棒性 792
• 高光譜成像系統(tǒng)：深度學(xué)習(xí)機(jī)載高光譜影像樹(shù)種分類(lèi)研究 406