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) 源码

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