注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. python交通标志截取与检测.zip

  2. Python3.0版本以上可用 带图带解释，主要是通过opencv来实现交通信号的检测与截取，可以用于图像处理分析与研究方面，处理的过程简单易懂

  3. 所属分类：机器学习

    • 发布日期：2019-12-30
    • 文件大小：30kb
    • 提供者：Nubility_XX

  1. Python-KerasTensorFlow精校VGG16GTSRB交通标志识别

  2. (Keras/TensorFlow)精校VGG16 GTSRB交通标志识别

  3. 所属分类：其它

    • 发布日期：2019-08-09
    • 文件大小：494kb
    • 提供者：weixin_39840914

  1. 智能小车识别蓝底交通标志python代码

  2. 在树莓派小车上通过计算机视觉技术实现蓝底路标的识别。 首先使用颜色及形状检测的方法，从采集的图像中分割出可能的区域（蓝色矩形区域），然后将该区域与模板进行对地，得到其相似度。

  3. 所属分类：嵌入式

    • 发布日期：2020-07-21
    • 文件大小：4kb
    • 提供者：LY2996944198

  1. 5行Python代码实现图像分割的步骤详解

  2. 众所周知图像是由若干有意义的像素组成的，图像分割作为计算机视觉的基础，对具有现有目标和较精确边界的图像进行分割，实现在图像像素级别上的分类任务。 图像分割可分为语义分割和实例分割两类，区别如下： 语义分割：将图像中每个像素赋予一个类别标签，用不同的颜色来表示； 实例分割：无需对每个像素进行标记，只需要找到感兴趣物体的边缘轮廓。 图像分割通常应用如下所示： 专业检测：应用于专业场景的图像分析，比如在卫星图像中识别建筑、道路、森林，或在医学图像中定位病灶、测量面积等； 智能交通：识

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：56kb
    • 提供者：weixin_38547397

  1. ts-det-rec：交通标志检测和识别算法-源码

  2. ts-det-rec 交通标志检测和识别算法 安装 首先，使用以下命令在项目的主文件夹中安装requirements.txt所需的软件包： pip install -r requirements.txt 手工制作 该文件夹包含“使用数字曲线的快速多边形逼近的鲁棒自动交通标志检测”一文中的检测算法的实现。 这种简单的实现方式可用于练习图像处理，以及用于计算能力不强的小型机器人。 神经网络是使用numpy从零开始构建的，对于AI初学者来说是一个很好的练习。 要测试此实现，请遵循以下命令： cd

  3. 所属分类：其它

  1. CarND交通标志分类器项目：使用Python和Tensorflow构建的交通标志分类神经网络-源码

  2. 项目：深度学习中的交通标志识别 概述 在这个项目中，使用python和TensorFlow来构建和训练卷积神经网络来对交通标志进行分类。 该模型在集中的交通标志图像上经过了验证。 该项目的详细文章可以在找到。 计划摘要 该项目的目标/步骤如下： 加载数据集 探索，总结和可视化数据集 设计，训练和测试模型架构 使用模型对新图像进行预测 分析新图像的softmax概率 依存关系 本实验要求： 可以使用CarND Term1入门工具包创建实验室环境。 单击了解详细信息。 数据集和存储库 下载数据集。

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：12mb
    • 提供者：weixin_42134097

  1. 交通信号识别系统的深度学习-源码

  2. 基于深度学习的自动驾驶汽车交通标志识别 科技栈 带有Python 3.7.7 64位的Anaconda环境 Jupyter笔记本 图书馆-Keras，TensorFlow，Scikit-Learn，Scikit-Image，OpenCV，Pandas，Numpy，Matplotlib，TKinter，PIL 介绍 交通标志识别（TSR）是任何自动驾驶系统的基本组成部分。 在不久的将来，移动性依赖于这样的系统，以在包括人和其他自动驾驶车辆的交通中进行安全导航。 该项目的主要目标是设计和开发一个健

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：11mb
    • 提供者：weixin_42134769

  1. 实用自主：开发无人驾驶汽车算法，包括车道检测和交通标志识别-源码

  2. Python中的实用自主项目 车道检测 交通标志识别 I.加载带有标签的完整数据集 二。 将图像大小转换为32x32 三， 建立卷积神经网络 IV。 训练模型 五，使用网站上的图片进行测试 样本图片 图片尺寸为32x32（RGB） 图片尺寸为32x32（HSV） 样品输出 标签 ＃ 标签名 softmax概率 14 停 0.998944 33 向右转 0.000532 29 自行车穿越 0.000311 34 向左转 0.000118 36 直走或右走 0.000095

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：14mb
    • 提供者：weixin_42164685