颜色分类leetcode p2 TrafficSigns 德国符号分类问题的98.8解决方案，作为优达学城的自动驾驶汽车纳米学位...

颜色分类leetcode （98.8%解决方案）使用深度学习神经网络的德国符号分类Vivek Yadav，博士这个存储库包含我为Udacity的交通标志分类项目所做的工作，这是他们自动驾驶汽车纳米学位的一部分。我还发表了一篇关于此文档的一般方法的中篇文章。该存储库提供了训练卷积网络以识别德国交通标志的代码。在进入详细建模之前，下面是一些基准测试结果，模型准确性作者空间转换器99.81% CNN委员会99.47%我们的模型98.8%人类准确性98.32%下面的文件介绍了培训计划。您可以从下载最终的训练模型。文件设置：为项目创建一个主文件夹从下载数据，并将它们放在主项目文件夹中名为“TrafficSignData”的文件夹中。从主文件夹运行Traffic_signs_Col_val_final2.ipynb。帖子的其余部分组织如下，探索性数据分析数据增强和预处理模型架构训练德国符号测试数据上的模型性能和看不见的数据上的模型性能1.探索性数据分析EDA首先，我们将熟悉数据本身。德国标志数据由许多标志组成，如下所示。我们