1：数据集介绍：
（1）GTSDB: 德国的一个交通标志数据集，共包含900张1360×800像素的图像，被分为三类；
（2）BDD100K：该数据集共包含10万个视频，每个视频大约长40秒，分辨率为720P，帧率为30 fps，还附有手机记录的GPS信息，以显示大概的驾驶轨迹；
（3）CTSDB： 由长沙理工大学制作完成，共包含图像15734张，标注数据分为三大类：指示标志、禁止标志、警告标志；
（4）TT100K： 清华大学的研究人员从10万张腾讯街景全景图中创建的中国交通标志数据集，提供了10万张图片，包含3万个交通标志实例，这些图像涵盖了光线和天气条件的巨大变化，并且TT100K中许多交通标志的大小约为20×20像素，所占面积不到图片面积的1/10000。
2：局限性：
（1）对于小目标的检测不尽如人意；
（2）很多神经网络是复杂的，时间内存开销大，缺少实时性；
（3）缺少一些交通标志（山区）。
3：步骤：
（1）加载数据集：
可导入pickle包，记载数据集（训练集、验证集、测试集）
（2）数据预处理：
可对数据进行归一化，使得数据在一个区间内；可进行数据增强，比如图像翻转，对比度，锐度的改变；
（3）模型：
模型的搭建---模型训练---模型预测---保存模型---可视化预测结果
（4）调优：
改变优化器，改变损失函数，改变超参数，学习率，迭代次数等。
版权声明：本文为weixin_39601315原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。