ssd_tensorflow_traffic_sign_detection
Implementierung des Single Shot MultiBox Detectors in TensorFlow, um Verkehrsschilder zu erkennen und zu klassifizieren.
Erkennen und klassifizieren Sie Verkehrsschilder in Echtzeit mit einem trainierten Modell, das Bilder schnell verarbeitet.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarImplementierung des Single Shot MultiBox Detectors in TensorFlow, um Verkehrsschilder zu erkennen und zu klassifizieren.
ssd_tensorflow_traffic_sign_detection hat 531 Sterne auf GitHub. Es wurde 217-mal geforkt. ssd_tensorflow_traffic_sign_detection ist hauptsächlich in Python geschrieben. Es wird seit 2017 aktiv entwickelt. ssd_tensorflow_traffic_sign_detection ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: computer-vision, object-detection, python, ssd.
Was ist ssd_tensorflow_traffic_sign_detection?
Implementierung des Single Shot MultiBox Detectors in TensorFlow, um Verkehrsschilder zu erkennen und zu klassifizieren.
Ist ssd_tensorflow_traffic_sign_detection Open Source?
ssd_tensorflow_traffic_sign_detection ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ist ssd_tensorflow_traffic_sign_detection kostenlos?
Ja. ssd_tensorflow_traffic_sign_detection ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Unter welcher Lizenz steht ssd_tensorflow_traffic_sign_detection?
ssd_tensorflow_traffic_sign_detection ist unter der MIT-Lizenz verfügbar.
In welcher Sprache ist ssd_tensorflow_traffic_sign_detection geschrieben?
ssd_tensorflow_traffic_sign_detection ist hauptsächlich in Python geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/georgesung-ssd-tensorflow-traffic-sign-detection.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.