资源下载地址：https://download.csdn.net/download/sheziqiong/85629755
此项目实现方法通过卷积神经网络（LeNet）算法。
整个项目分为以下几部分：
- 1.数据导入与分析
- 2.搭建卷积神经网络模型实现
- 3.测试集上验证识别效果
- 4.可视化显示不同卷积层结果
1.数据导入与分析
本项目用到的交通标图片来源于网站：German Traffic Sign Benchmarks
项目中用到的图片压缩包文件下载地址为，需要下载并解压：
- https://sid.erda.dk/public/archives/daaeac0d7ce1152aea9b61d9f1e19370/GTSRB_Final_Training_Images.zip
- https://sid.erda.dk/public/archives/daaeac0d7ce1152aea9b61d9f1e19370/GTSRB_Final_Test_Images.zip
- https://sid.erda.dk/public/archives/daaeac0d7ce1152aea9b61d9f1e19370/GTSRB_Final_Test_GT.zip
训练集数据文件夹结构
解压 GTSRB_Final_Training_Images.zip 文件到指定位置。得到文件夹结构：…\GTSRB\Final_Training\Images…
训练集（Training）中图片总共有 43 种交通标志，对应解压后的…\Images 文件夹下的 43 个子文件夹。每一个文件夹内的图片(.ppm 格式)对应一种类型的交通标志（例如 stop single），同时每一个文件夹内有一个.CSV 问价存储记录了图片文件的相关信息。文件夹结构如下：
Training_Images
+ GTSRB
+ Final_Training
+ Images
+ 00000
+ 00000_00000.ppm
+ 00000_00001.ppm
...
+ GT-00000.csv
+ 00001
+ 00000_00000.ppm
+ 00000_00001.ppm
...
+ GT-00001.csv
...
注意：所有的图片格式为 PPM 格式。需要借助 Python 的 matplotlib 与 pillow 库进行图片处理。如果想直接打开查看图片可能需要借助其他软件。
2.模型实现
LeNet-5 模型架构
这里用到的时是 LeNet-5 模型。它是第一个成功应用于数字识别问题的卷积神经网络。LeNet-5 模型结构图如下：
来源: http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf
针对本项目，这里用到的模型在在原始 LeNet 模型基础上有调整：
; 输入
输入为 32x32x3(RGB – 3 通道)图片
架构
第一层：
- 卷积，输出节点矩阵为 28x28x6;
- 激活函数：ReLU；
- 池化，过滤器大小为 2×2,长宽步长为 2，输出矩阵大小为 14x14x6
第二层：
- 卷积，输出节点矩阵为 10x10x16;
- 激活函数：ReLU；
- 池化，过滤器大小为 2×2,长宽步长为 2，输出矩阵大小为 5x5x16
- Flatten
第三层：
- 全连接（Fully Connected），输出节点个数为 120;
- 激活函数：ReLU；
第四层：
- 全连接（Fully Connected），输出节点个数为 84;
- 激活函数：ReLU；
第五层：
- 全连接（Fully Connected）.输出节点个数为 43
输出
第二次全连接之后的 43 种交通标志分类
LayerShapeInput32x32x3Convolution (valid, 5x5x6)28x28x6Max Pooling (valid, 2×2)14x14x6Activation (ReLU)14x14x6Convolution (valid, 5x5x16)10x10x16Max Pooling (valid, 2×2)5x5x16Activation (ReLU)5x5x16Flatten400Dense120Activation (ReLU)120Dense43Activation (Softmax)43
3.实现效果验证分析
导入测试数据集之外新的图片验证识别准确率
测试集数据
测试图片位于文件夹 Test_Images/GTSRB/Final_Test 内
Test_Images
+GTSRB
+ Final_Test
+ Images
+ 00000.ppm
+ 00001.ppm
+ ...
+ GT-final_test.csv # 扩展的注释，包括图片分类id
+ GT-final_test.test.csv
GT-final_test.csv 文件是单独下载，包含测试集图片 label 信息
4.可视化
可视化显示 CNN 神经网络不同层的输出
第一层：
第二层：
资源下载地址：https://download.csdn.net/download/sheziqiong/85629755
Original: https://blog.csdn.net/newlw/article/details/122538153
Author: biyezuopinvip
Title: 基于卷积神经网络的交通标志识别
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/690830/
转载文章受原作者版权保护。转载请注明原作者出处！