技术文章 | 准确率98%的深度学习交通标志识别是如何做到的?
2017-09-06 13:29
507 查看
本文来源于阿里云-云栖社区,原文点击这里。
交通标志是道路基础设施的重要组成部分,它们为道路使用者提供了一些关键信息,并要求驾驶员及时调整驾驶行为,以确保遵守道路安全规定。如果没有交通标志,可能会发生更多的事故,因为司机无法获知最高安全速度是多少,不了解道路状况,比如急转弯、学校路口等等。现在,每年大约有130万人死在道路上。如果没有这些道路标志,这个数字肯定会更高。
当然,自动驾驶车辆也必须遵守交通法规,因此需要_识别_和_理解_交通标志。
从传统上来说,可以使用标准的计算机视觉的方法来对交通标志进行检测和分类,但同时也需要耗费相当多的时间来手工处理图像中的重要特征。现在,我们引入深度学习技术来解决这个问题。我们可以创建一个能够对交通标志进行分类的模型,并且让模型自己学习识别这些交通标志中最关键的特征。在这篇文章中,我将演示如何创建一个深度学习架构,这个架构在交通标志测试集上的识别准确率达到了98%。
数据集可分为训练集、测试集和验证集,具有以下特点:
图像为32(宽)×32(高)×3(RGB彩色通道)
训练集由34799张图片组成
验证集由4410个图像组成
测试集由12630个图像组成
共有43个种类(例如限速20公里/小时、禁止进入、颠簸路等等)
此外,我们将使用Python 3.5与Tensorflow来编写代码。
你可以在下图中看到数据集中的一些示例图像,图像的标签显示在相应行的上方。其中一些非常暗,稍后我们会调整它们的对比度。
展开全文
交通标志是道路基础设施的重要组成部分,它们为道路使用者提供了一些关键信息,并要求驾驶员及时调整驾驶行为,以确保遵守道路安全规定。如果没有交通标志,可能会发生更多的事故,因为司机无法获知最高安全速度是多少,不了解道路状况,比如急转弯、学校路口等等。现在,每年大约有130万人死在道路上。如果没有这些道路标志,这个数字肯定会更高。
当然,自动驾驶车辆也必须遵守交通法规,因此需要_识别_和_理解_交通标志。
从传统上来说,可以使用标准的计算机视觉的方法来对交通标志进行检测和分类,但同时也需要耗费相当多的时间来手工处理图像中的重要特征。现在,我们引入深度学习技术来解决这个问题。我们可以创建一个能够对交通标志进行分类的模型,并且让模型自己学习识别这些交通标志中最关键的特征。在这篇文章中,我将演示如何创建一个深度学习架构,这个架构在交通标志测试集上的识别准确率达到了98%。
项目设置
数据集可分为训练集、测试集和验证集,具有以下特点:图像为32(宽)×32(高)×3(RGB彩色通道)
训练集由34799张图片组成
验证集由4410个图像组成
测试集由12630个图像组成
共有43个种类(例如限速20公里/小时、禁止进入、颠簸路等等)
此外,我们将使用Python 3.5与Tensorflow来编写代码。
图像及其分布
你可以在下图中看到数据集中的一些示例图像,图像的标签显示在相应行的上方。其中一些非常暗,稍后我们会调整它们的对比度。展开全文
相关文章推荐
- 参考文章 - 准确率98%的深度学习交通标志识别是如何做到的
- 准确率98%的深度学习交通标志识别是如何做到的?
- 语音学习笔记10------如何利用Deep CNN大幅提升识别准确率?
- 大神Yann LeCun亲授:如何自学深度学习技术并少走弯路
- 技术文章|全面连接困何处_卷积网络见解深(深度学习入门全系列)
- 技术文章 | 深度学习的这些坑你都遇到过吗?神经网络11大常见陷阱及应对方法
- 如何使用深度学习自动识别限速标志?这里有一份Keras和TensorFlow教程
- 【转载】如何自学深度学习技术,大神Yann LeCun亲授建议
- 如何利用深度学习技术训练聊天机器人语言模型?
- 技术文章 | 循环递归RNN_序列建模套路深(深度学习入门系列之十三)
- 技术文章 | 小米深度学习平台架构与实现
- 深度学习科普贴:它如何工作,它将怎样改变我们与技术的互动?
- 2016深度学习技术文章回顾
- 微软新论文:如何利用深度特征流提高视频识别准确率(HR)
- 基于haar+adaboost的人脸检测、深度学习的人脸识别技术应用综述
- 技术文章 | 深度学习在推荐领域的应用:Lookalike 算法
- 如何利用深度学习技术训练聊天机器人语言模型?
- [技术文章搬家]STM32F207V学习笔记之深度解读GPIO
- 深度学习-使用cuda加速卷积神经网络-手写数字识别准确率99.7%
- 如何学习技术