颜色分类leetcode streetview 从科罗拉多谷歌街景图像预测位置的卷积神经网络 GalvanizeCapstone...

颜色分类leetcode谷歌街景位置预测器图像特征识别的新兴领域正在彻底改变计算机理解我们周围世界的能力。受启发，我的项目使用卷积神经网络(CNN)来辨别与科罗拉多州地理位置相对应的相关特征。这种类型的建模适用于自动驾驶汽车，其中保持对环境的敏锐感知至关重要。区分峡谷道路和当地街道以及晴天和雨天将是制造更智能的自动驾驶汽车不可或缺的一部分。目录数据科罗拉多州的20000个地点，谷歌街景图像面向北、南、东和西（总共80000张图像）。下面的gif显示了由纬度/经度/海拔绘制的所有位置。科罗拉多州的结构很快就显现出来；西部山区，I-25公路沿线高密度公路，东部平原。下面是一些给定位置的街景图像的示例。地形（山脉、平原等）和内容（房屋、树木、道路类型、汽车等）提供了有关科罗拉多州拍摄这些图像的位置的线索。这些提示对人类来说很容易理解，但对计算机来说却很难。使用基于矢量的方法确定图像相似度使用多种基于矢量的方法可以描述图像中的特征。我探索了HSV颜色直方图、定向梯度直方图(HOG; Dalal, N. & Triggs, B., 20