| DOCS | ||
| .gitignore | ||
| 221025_Projektdurchfuhrung_Teil_1TrafficSign.pdf | ||
| 221205_Projektdurchfuhrung_Teil_2_TraficSign_Variante_RCNN.pdf | ||
| alex_test.m | ||
| augmentData_stepthree.m | ||
| augmentData.m | ||
| DasNetz2uuuuuuaaaauauaauauauauaua.mat | ||
| func_groundTruthFromLabelPic_stepthree.m | ||
| func_groundTruthFromLabelPic.m | ||
| func_setupData_stepthree.m | ||
| func_setupData.m | ||
| helperSanitizeBoxes.m | ||
| Mokey_go_brrrr.m | ||
| netDetectorResNet50_2.mat | ||
| netDetectorResNet50_stepthree.mat | ||
| netDetectorResNet50.mat | ||
| preprocessData.m | ||
| RCNN_for_traficsigns_stepthree.m | ||
| RCNN_for_traficsigns.m | ||
| README.md | ||
| test_stepthree_for.m | ||
| test_stepthree.m | ||
| test.m | ||
HA_DIGSIG
Hauptscriptfiles:
- https://git.cybre.town/adb.study/HA_DIGSIG/src/branch/main/RCNN_for_traficsigns.m
(kann über parameter
dotrainingzum trainieren oder nur analysieren des RCNN-Netzes verwendet werden, ggf. kann das Training über parameterdoAugmentationohne 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
dotrainingzum 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