dhbxs / traffic-sign-recognition
基于CNN深度学习网络的交通标志识别
☆20Updated 4 years ago
Alternatives and similar repositories for traffic-sign-recognition:
Users that are interested in traffic-sign-recognition are comparing it to the libraries listed below
- 基于卷积神经网络的高斯朴素贝叶斯分类人脸表情识别☆26Updated 2 years ago
- 基于yolov5+CRNN的中文车牌识别系统☆17Updated last year
- 基于Python的机器学习应用,针对监控视频完成行人轨迹搜索。通过一张目标图像,能自动从大量视频中搜索出包含目标的视频片段,并标记目标。此项目为本人本科毕业设计项目,引用请注明出处☆48Updated 2 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☆105Updated 2 years ago
- 基于 PyTorch 和 OpenCV 的入门级车牌识别项目☆21Updated 4 years ago
- 使用YOLO-v5进行交通标志识别☆22Updated last year
- CNN -Tensorflow交通标志识别☆12Updated 3 years ago
- 基于YOLOv7-plate和CRNN的车牌号检测识别项目,使用PyQt构建了UI界面。☆47Updated last year
- 毕业设计——基于深度学习的电动自行车头盔佩戴检测系统☆142Updated 2 years ago
- 垃圾分类系统——基于PyQt5的前端界面☆17Updated 3 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☆23Updated 6 years ago
- 基于深度学习的车牌识别系统,车牌检测部分由YOLOv8实现,字符识别部分由CNN实现☆44Updated 2 weeks ago
- 《数字图像处理》课程设计,基于深度学习的人脸识别项目。采用三层卷积池化+全连接神经网络☆17Updated 4 years ago
- 这是一个使用python Django框架进行后台搭建,数据库使用mysql,前端使用vue框架,使用element UI快速开发的web应用,通过对老人实时监控,分析老人的情感,是否摔倒,人脸检测判断是否有陌生人进入,义工交互,人员录入等功能☆16Updated 2 years ago
- 基于深度学习的人脸识别系统☆61Updated 3 years ago
- 本科毕业设计-基于YOLOv5的异常行为检测☆26Updated 2 years ago
- CNN卷积神经网络 交通标志识别☆120Updated 6 years ago
- 基于 ResNet 的花卉分类识别系统。A ResNet-based flower classification and recognition system.☆29Updated last month
- 用VGG16模型进行简单的垃圾图像分类☆10Updated 3 years ago
- 垃圾分类图片数据集(120类)☆34Updated last year
- 基于深度学习的水果识别系统 Deep learning based fruit recognition system☆22Updated 2 years ago
- 水稻病虫害自动识别系统☆82Updated 3 years ago
- 基于深度学习的交通流量检测系统☆17Updated last year
- 疲劳检测-危险驾驶检测☆75Updated 2 years ago
- 本课题利用 CCPD 数据及自生成的高清车牌数据,基于加入注意力机制以及轻型卷积改良的 YOLO 目标检测算法检测车牌,同时利用自定义的 ResNet+Transformer 网络构成字符识别算法用于识别检测出的车牌内容信息。所设计的模型提升了平均精度(mAP)值,降低了计…☆79Updated last month
- 通过目标检测算法检测和统计区域内的车辆与车位情况使用户能够提前获知车位情况以及对用户停车位置的引导,并能对实际车流量进行统计。☆26Updated 2 years ago
- 基于深度学习的车牌识别GUI项目☆33Updated 2 years ago
- 毕业设计:行人检测系统,pyqt + opencv☆49Updated 3 years ago
- 基于YoloV5的火灾检测系统:将深度学习算法应用于火灾识别与检测领域,致力于研发准确高效的火灾识别与检测方法,实现图像中火灾区域的定位,为火灾检测技术走向实际应用提供理论和技术支持。☆76Updated last year
- ☆26Updated 2 years ago