文件大小：240M
开发环境：Python3.7.11、OpenCV4.5、TensorFlow2.3
点击下载：点击下载
简要概述：
交通标志识别实际上包括交通标志的检测和识别两个过程，检测是在图像中寻找到感兴趣目标并定位，识别是对感兴趣目标进行分类。现在R-CNN系列、YOLO、SSD能够很好的将检测和分类两个过程融合到一起，并且在PASCAL VOC等数据集上取得了很好的效果，但对像交通标志这种小目标的检测效果并不好。就交通标志检测而言，如果在Faster RCNN的anchor中，将scale调小一点，ratio调下再做训练，是可以很好的检测到图像中尺寸较小的交通标志；也可以训练级联CNN，将目标检测问题转化为分类问题。传统的检测方法中，可以人工设计特征来检测感兴趣目标，例如可以利用交通标志。GTSRB数据集，共包含了43类交通标志，训练样本39209张，测试样本12630张。提供的样本图像中包含了标志区域及其周围10%的区域（这是为采用边缘方法者所考虑），样本图像尺寸范围为15x15到250x250，当然它不一定是正方形。
演示视频：
点击查看：演示视频
运行效果：
