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!