我了解到深度學習是機器學習中的乙個新的領域，其是為了建立模擬人腦進行分析學習的神經網路。深度學習分為監督學習和無監督學習，其中卷積神經網路（簡稱cnn）是深度的監督學習下的機器學習模型，深度置信網是一種無監督學習下的機器學習模型。深度學習的特點是用非監督式或半監督式的特徵學習和分成特徵來提取高效演算法來替代手工獲取特徵。深度學習會通過組合底層特徵形式形成更加抽象的高層表示屬性類別或特徵。
該文獻中所研究的交通標誌識別主要運用到了深度學習技術中的卷積神經網路演算法，其中典型的 cnn 包括三種基本結構層: 卷積層、池化層和連線層，但在該技術中增加了新的「壓平層」與「丟棄層」，提高了訓練能力且節省了很多時間，更有利於交通標誌的識別。個人認為這項研究的主要突破點是在典型的cnn中修改了一些「層」和增加了新的「層」 。
[1]李金樽,羅山.基於深度學習的交通標誌識別[j].山西電子技術,2020(05):21-23.
交通標誌識別
交通標誌識別實際上包括交通標誌的檢測和識別兩個過程，檢測是在影象中尋找到感興趣目標並定位，識別是對感興趣目標進行分類。現在r cnn系列 yolo ssd能夠很好的將檢測和分類兩個過程融合到一起，並且在pascal voc等資料集上取得了很好的效果，但對像交通標誌這種小目標的檢測效果並不好。就交通標...
交通標誌識別 語句筆記
np.unique 該函式是去除陣列中的重複數字，並進行排序之後輸出。計算label個數時適用。from colletions import counter 求陣列中每個數字出現了幾次 from collections import counter a 1,4,2,3,2,3,4,2 b count...
PaddleHub實現交通標誌識別
完成深度學習的過程一般是這個樣子的 由於資料 模型 和算力的限制，我們很難在短時間內完成乙個快速準確的工程專案，所以我們會採用遷移學習 transfer learning paddlehub完成遷移學習的過程可以被描述為六個步驟 載入資料 載入模型 資料處理 優化策略 執行配置 finetune p...