基于卷积神经网络的交通标志识别模型，通过TensorFlow构建LeNet-5模型，并使用GTSRB德国交通标志数据集进行训练

基于卷积神经网络的交通标志识别模型，通过TensorFlow构建LeNet-5模型，并使用GTSRB德国交通标志数据集进行训练，所划分的测试集最终准确度超过98%，原数据集自带的测试数据准确度超过95%,实现了较好的交通标志识别模型。 包含源码及数据文件 基于卷积神经网络的交通标志识别模型，通过TensorFlow构建LeNet-5模型，并使用GTSRB德国交通标志数据集进行训练，所划分的测试集最终准确度超过98%，原数据集自带的测试数据准确度超过95%,实现了较好的交通标志识别模型。 基于卷积神经网络的交通标志识别模型，通过TensorFlow构建LeNet-5模型，并使用GTSRB德国交通标志数据集进行训练，所划分的测试集最终准确度超过98%，原数据集自带的测试数据准确度超过95%,实现了较好的交通标志识别模型。 基于卷积神经网络的交通标志识别模型，通过TensorFlow构建LeNet-5模型，并使用GTSRB德国交通标志数据集进行训练，所划分的测试集最终准确度超过98%，原数据集自带的测试数据准确度超过95%,实现了较好的交通标志识别模型。