颜色分类leetcode traffic light classification 交通灯图像分类

颜色分类leetcode交通灯图像分类Udacity自动驾驶汽车纳米学位顶点项目。系统集成概述感知子系统对车辆前方的交通灯颜色进行动态分类。在给定的模拟器和测试站点环境中，汽车面对单个交通灯或一组3个处于相同状态（绿色、黄色、红色）的交通灯。我们假设不可能同时在不同的州有多个交通灯。我们考虑了不同的方法来解决交通灯分类任务：使用CNN对整个图像进行分类；物体（红绿灯状态）检测；使用单独模型的物体（交通灯）检测和分类。考虑到红绿灯始终处于相同状态，并专注于创建轻量级和快速模型，我们选择了对整个图像进行分类的方向。这种方法使用卷积神经网络，它将前置摄像头的整个图像作为输入，并预测交通灯状态（我们决定使用红色/无预测类）作为输出。我们在MobileNet架构上使用了迁移学习技术和Tensorflow Image Retraining Example（教程：，代码：）。数据集有多个数据集可用于模型训练：来自Udacity模拟器的图像（图像以及来自前置摄像头的地面实况可作为ROS主题提供）； rosbag，在Udacity的测试站点上捕获