火车YOLO v2意思对象探测器
返回一个对象检测器训练使用你只看一次版本2 (YOLO v2意思)网络架构指定的输入探测器
= trainYOLOv2ObjectDetector (trainingData
,lgraph
,选项
)lgraph
。的选项
输入指定的训练参数的检测网络。
从保存的探测器检查点恢复训练。探测器
= trainYOLOv2ObjectDetector (trainingData
,检查点
,选项
)
你可以使用这个语法:
添加更多的训练数据和继续培训。
提高训练精度通过增加迭代的最大数量。
继续培训YOLO v2意思对象探测器。使用这个语法微调探测器。探测器
= trainYOLOv2ObjectDetector (trainingData
,探测器
,选项
)
指定多尺度的图像大小培训通过使用一个名称-值对除了输入参数的前面的语法。探测器
= trainYOLOv2ObjectDetector (___“TrainingImageSize”,trainingSizes
)
生成地面真理,使用图片标志或贴标签机视频应用。创建一个表的训练数据生成的地面实况,使用objectDetectorTrainingData
函数。
为了提高预测精度,
增加图像的数量你可以用它来训练网络。你可以通过数据增加扩大训练数据集。如何应用信息数据的增加预处理,明白了预处理图像深度学习(深度学习工具箱)。
执行多尺度训练使用trainYOLOv2ObjectDetector
函数。为此,指定的TrainingImageSize
的参数trainYOLOv2ObjectDetector
功能训练网络。
选择合适锚箱的数据集训练网络。您可以使用estimateAnchorBoxes
函数来计算锚箱直接从训练数据。
[1]约瑟。R, s . k . Divvala r.b Girshick, f·阿里。“你只看一次:统一、实时检测。”In《IEEE计算机视觉与模式识别会议(CVPR),779 - 788页。内华达州拉斯维加斯:CVPR, 2016。
[2]约瑟。R和f·阿里。“YOLO 9000:意思更好、更快、更强”。In《IEEE计算机视觉与模式识别会议(CVPR),6517 - 6525页。你好:火奴鲁鲁CVPR, 2017年。
trainingOptions
(深度学习工具箱)|trainRCNNObjectDetector
|trainFastRCNNObjectDetector
|trainFasterRCNNObjectDetector
|objectDetectorTrainingData
|yolov2Layers