Go to file

v-h bc52bd699b remove mirror from augmentation for step three		2023-01-16 17:52:55 +01:00
DOCS	add data	2023-01-04 15:04:02 +01:00
.gitignore	update ignore	2023-01-16 11:19:29 +01:00
221025_Projektdurchfuhrung_Teil_1TrafficSign.pdf	Add Aufgabenstellung	2023-01-06 09:12:52 +00:00
221205_Projektdurchfuhrung_Teil_2_TraficSign_Variante_RCNN.pdf	Add Aufgabenstellung	2023-01-06 09:12:52 +00:00
alex_test.m	addidtions from Reini1001 (second part of test - Alexnet)	2023-01-08 09:32:08 +00:00
augmentData_stepthree.m	remove mirror from augmentation for step three	2023-01-16 17:52:55 +01:00
augmentData.m	add data	2023-01-04 15:04:02 +01:00
DasNetz2uuuuuuaaaauauaauauauauaua.mat	add alexnet-file	2023-01-08 10:39:49 +01:00
func_groundTruthFromLabelPic_stepthree.m	step three	2023-01-15 21:57:40 +01:00
func_groundTruthFromLabelPic.m	add data	2023-01-04 15:04:02 +01:00
func_setupData_stepthree.m	step three	2023-01-15 21:57:40 +01:00
func_setupData.m	add data	2023-01-04 15:04:02 +01:00
helperSanitizeBoxes.m	add data	2023-01-04 15:04:02 +01:00
Mokey_go_brrrr.m	added script for training alexnet	2023-01-16 07:44:54 +01:00
netDetectorResNet50_2.mat	add data	2023-01-04 15:04:02 +01:00
netDetectorResNet50_stepthree.mat	testscript and RCCN net for direct detection	2023-01-16 11:29:19 +01:00
netDetectorResNet50.mat	add data	2023-01-04 15:04:02 +01:00
preprocessData.m	add data	2023-01-04 15:04:02 +01:00
RCNN_for_traficsigns_stepthree.m	remove mirror from augmentation for step three	2023-01-16 17:52:55 +01:00
RCNN_for_traficsigns.m	remove mirror from augmentation for step three	2023-01-16 17:52:55 +01:00
README.md	Update 'README.md'	2023-01-16 10:35:56 +00:00
test_stepthree_for.m	remove mirror from augmentation for step three	2023-01-16 17:52:55 +01:00
test_stepthree.m	testscript and RCCN net for direct detection	2023-01-16 11:29:19 +01:00
test.m	Update test.m to use alex_test	2023-01-08 09:33:12 +00:00

README.md

HA_DIGSIG

Hauptscriptfiles:

https://git.cybre.town/adb.study/HA_DIGSIG/src/branch/main/RCNN_for_traficsigns.m (kann über parameter dotraining zum trainieren oder nur analysieren des RCNN-Netzes verwendet werden, ggf. kann das Training über parameter doAugmentation ohne oder mit Augmentation stattfinden (Schritt 1 bzw. 2 der Aufgabenstellung))
https://git.cybre.town/adb.study/HA_DIGSIG/src/branch/main/Mokey_go_brrrr.m trainiert ein Netz zur Kategorie erkennung
test.m (liest ein image ein und wendet beide Netze darauf an)
https://git.cybre.town/adb.study/HA_DIGSIG/src/branch/main/RCNN_for_traficsigns_stepthree.m Schritt drei der Aufgabenstellung (kann über parameter dotraining zum trainieren oder nur analysieren des RCNN-Netzes verwendet werden,

Tainierte Netze

RCNN_Schritt eins: https://git.cybre.town/adb.study/HA_DIGSIG/src/branch/main/netDetectorResNet50.mat
RCNN_Schritt zwei: https://git.cybre.town/adb.study/HA_DIGSIG/src/branch/main/netDetectorResNet50_2.mat
Alexnet schritt eins:
Alexnet schritt zwei: https://git.cybre.town/adb.study/HA_DIGSIG/src/branch/main/DasNetz2uuuuuuaaaauauaauauauauaua.mat
RCNN Schritt drei: https://git.cybre.town/adb.study/HA_DIGSIG/src/branch/main/netDetectorResNet50_stepthree.mat