394781865 / Traffic_sign_detectLinks
交通标志检测与识别
☆43Updated 7 years ago
Alternatives and similar repositories for Traffic_sign_detect
Users that are interested in Traffic_sign_detect are comparing it to the libraries listed below
Sorting:
- CNN卷积神经网络 交通标志识别☆121Updated 7 years ago
- 用CNN识别交通标志,数据集是GTSRB☆24Updated 7 years ago
- 交通标志识别_CNN卷积神经网络实现☆23Updated 5 years ago
- 交通标志识别☆6Updated 7 years ago
- CNN -Tensorflow交通标志识别☆12Updated 3 years ago
- 交通标志识别☆8Updated 4 years ago
- 深度学习 + OpenCV,Python实现实时视频目标检测☆101Updated 6 years ago
- 本项目是用于判断是否闭眼或者张开嘴哈欠和吸烟打电话等手势行为, 功能涵盖7类情绪识别,眨眼判断,哈欠判断,吸烟,打电话等, 达到危险驾驶检测的功能☆58Updated 4 years ago
- 车辆多维特征识别系统,车色,车品牌,车标,车型☆103Updated 5 years ago
- 基于深度学习的驾驶员状态检测,不仅仅可以识别出疲劳驾驶,还能够识别出各种各样的状态☆288Updated 7 years ago
- 使用yolov5与deepsort实现车辆目标跟踪与应用☆22Updated 2 years ago
- 分心驾驶检测,检测驾驶员的驾驶状态,对分心驾驶的驾驶员做出提醒☆35Updated 7 years ago
- 基于深度学习的口罩佩戴检测,Keras-YOLOv3 实现。☆68Updated 5 years ago
- 卷积神经网络(CNN)项目,给你一个狗的图像,你的算法将会识别并估计狗的品种☆28Updated 2 years ago
- 汽车识别(包括车牌、车型、车品牌、属性、及驾驶员违规行为识别检测)☆134Updated 4 years ago
- 车牌号码自动识别系统☆33Updated 2 years ago
- 基于卷积神经网络的交通标志识别模型,通过TensorFlow构建LeNet-5模型,并使用GTSRB德国交通标志数据集进行训练,所划分的测试集最终准确度超过98%,原数据集自带的测试数据准确度超过95%,实现了较好的交通标志识别模型。☆10Updated 2 years ago
- 花生病虫害智能识别,模型使用迁移学习搭建CNN卷积神经网络☆13Updated 5 years ago
- 车辆检测及型号识别的深度学习模型☆9Updated 5 years ago
- 基于 yolo 的行人目标检测☆11Updated 5 years ago
- 本项目针对传统车道线检测鲁棒性较差的现象,通过运用YOLOV7与DeepLabv3+的图像深度学习算法对特定数据集进行模型训练,开发了一款能调用车载摄像头来识别道路环境,并用语音告知驾驶员偏离车道,前方车距等驾驶信息偏离预警系统,辅助驾驶员更加安全高效的行驶。☆58Updated 2 years ago
- 大四毕业设计做的基于树莓派的人脸识别系统(调用百度云api)☆31Updated 5 years ago
- 用语义分割的方式来做车道线检测☆11Updated 5 years ago
- 一款基于深度学习,提供数据标注、模型训练、模型部署、基于已有模型自动标注等功能的计算机视觉一体化平台。 操作简单,无需深度学习理论即可实现AI落地。处理分类、目标检测、目标跟踪等计算机视觉任务。 应用场景:交通执法(车辆违停、行人乱穿马路等)、工业检测(缺陷检测、物体分拣等…☆131Updated 4 years ago
- 毕业设计:行人检测系统,pyqt + opencv☆49Updated 4 years ago
- 基于TensorFlow实现CNN水果检测☆34Updated 6 years ago
- 基于深度学习的驾驶者行为监测预警系统,中南大学信息院与交通院合作实现,项目进行中☆25Updated 6 years ago
- 车辆检测、跟踪、计数☆16Updated 3 years ago
- 毕业设计 使用pytorch进行深度学习网络模型训练,实现车型识别☆106Updated 2 years ago
- 基于深度学习框架的高速路上车流量的实时统计☆19Updated 6 years ago