Traffic_Sign_Classifier:自动驾驶汽车 源码

交通标志识别 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 数据集摘要与探索 1.数据集的基本摘要 训练集的大小是34799 验证集的大小为4410 测试集的大小是12630 交通标志图像的形状是(32,32,3) 数据集中唯一类/标签的数量为43 2.数据集的可视化。 这是一个条形图,显示了数据的分布方式:蓝色代表训练数据集,黄色代表验证。 设计和测试模型架构 1.图像数据预处理 第一步,我决定将图像转换为灰度,因为颜色不是项目中的重要功能。 这是灰度之前和之后的交通标志图像的示例。 最后一步,我对图像数据进行了归一化处理,因此数据均值为零且方差相等,图像的位置无关紧要。 为了提高验证集的准确性,我决定从讲座中更改LeNet网络的丰富知识。 2.模型架构 为此任务选择了