基于GTSRB数据集CNN交通标志识别

基于GTSRB数据集CNN，卷积神经网络交通标志识别

# coding=utf-8
import tensorflow as tf
import image as image_data
import random
import numpy as np
#print len（image_data.images32）
sess = tf.InteractiveSession（）

# weight initialization
def weight_variable（shape）:
    initial = tf.truncated_normal（shape stddev=0.1）
    return tf.Variable（initial）

def bias_variable（shape）:
    initial = tf.constant（0.1 shape = shape）
    # print（tf.Variable（initial）.eval（））
    return tf.Variable（initial）

# convolution
def conv2d（x W）:
    return tf.nn.conv2d（x W strides=[1 1 1 1] padding=‘SAME‘）
# pooling
def max_pool_2x2（x）:
    return tf.nn.max_pool（x ksize=[1 2 2 1] strides=[1 2 2 1] padding=‘SAME‘）

# Create the model
# placeholder
x = tf.placeholder（“float“ [None 32323]）
y_ = tf.placeholder（“float“ [None 43]）

# first convolutinal layer  h_conv1（028）
w_conv1 = weight_variable（[5 5 3 32]）#kernel channelsout features
b_conv1 = bias_variable（[32]）

x_image = tf.reshape（x [-1 32 32 3]）#3d

#h_conv1 = tf.nn.relu（conv2d（x_image w_conv1） + b_conv1）
h_conv1 = tf.nn.relu（conv2d（x_image w_conv1） + b_conv1）
h_pool1 = max_pool_2x2（h_conv1）

# second convolutional layer
w_conv2 = weight_variable（[5 5 32 64]）
b_conv2 = bias_variable（[64]）

#h_conv2 = tf.nn.relu（conv2d（h_pool1 w_conv2） + b_conv2）
h_conv2 = tf.nn.relu（conv2d（h_pool1 w_conv2） + b_conv2）
h_pool2 = max_pool_2x2（h_conv2）
pool_shape = h_pool2.get_shape（）.as_list（）
node_num = pool_shape[1] * pool_shape[2] * pool_shape[3]
# densely connected layer
w_fc1 = weight_variable（[node_num 512]）
b_fc1 = bias_variable（[512]）
‘‘‘
#zheng ze hua
regularizer = tf.contrib.layers.l2_regularizer（0.001）
tf.add_to_collection（‘losses‘ regularizer（w_fc1））
‘‘‘
h_pool2_flat = tf.reshape（h_pool2 [-1 node_num]）
h_fc1 = tf.nn.relu（tf.matmul（h_pool2_flat w_fc1） + b_fc1）

# dropout
keep_prob = tf.placeholder（“float“）
h_fc1_drop = tf.nn.dropout（h_fc1 keep_prob）

# readout layer
w_fc2 = weight_variable（[51243]）
b_fc2 = bias_variable（[43]）

y_conv = tf.nn.softmax（tf.matmul（h_fc1_drop w_fc2） + b_fc2）

# train and evaluate the model
#cross_entropy = -tf.reduce_sum（y_*tf.log（y_conv））
cross_entropy = -tf.reduce_sum（y_*tf.log（tf.clip_by_value（y_conv1e-101.0）））  
#cross_entropy_mean = tf.reduce_mean（cross_entropy）
#loss = cross_entropy_mean + tf.add_n（tf.get_collection（‘losses‘））

#train_step = tf.train.AdagradOptimizer（1e-4）.minimize（cross_entropy）
train_step = tf.train.GradientDescentOptimizer（1e-4）.minimize（cross_entropy）
correct_prediction = tf.equal（tf.argmax（y_conv 1） tf.argmax（y_ 1））
accuracy = tf.reduce_mean（tf.cast（correct_prediction “float“））
#pred=tf.argmax（y_conv 1）
pred=y_conv
#accuracy=tf.cast（tf.argmax（y_conv 1）tf.float32）#self
#sess.run（tf.initialize_all_variables（））
saver=tf.train.Saver（）

with tf.Session（） as ses:
	saver.restore（sess “./train_mode.ckpt“）
	print “model loaded“

labels=[[0 for i in range（43）] for j in range（len（image_data.labels））]
for i in range（len（image_data.labels））:
	labels[i][image_data.labels[i]]=1
#p

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-06-19 16:25  cnn交通标志识别-邹文超\
     文件        3942  2017-05-31 09:53  cnn交通标志识别-邹文超\cnn.py
     文件        3701  2017-05-22 12:41  cnn交通标志识别-邹文超\image.py
     文件        3525  2017-05-24 17:36  cnn交通标志识别-邹文超\image_test.py
     文件        4565  2017-05-24 19:49  cnn交通标志识别-邹文超\test.py