检测

检测对象使用YOLO v2意思对象探测器

所有的页面崩溃

语法

bboxes =检测(探测器,我)

[bboxes,分数]=检测(探测器,我)

(___,标签]=检测(探测器,我)

ds detectionResults =检测(探测器)

(___)=检测(___,roi)

(___)=检测(___、名称、值)

描述

例子

bboxes=检测(探测器,我)检测对象在一个图像或一组图片,我,用你只看一次版本2 (YOLO v2意思)对象探测器。输入图像的大小必须大于或等于网络输入的大小pretrained探测器。返回对象的位置检测的边界框。

使用这个函数时,使用CUDA^®使英伟达^®GPU是强烈推荐。GPU大大减少了计算时间。使用GPU的并行计算需要工具箱™。关于支持计算能力的信息,看到金宝appGPU的金宝app支持版本(并行计算工具箱)。

(bboxes,分数)=检测(探测器,我)也得分为每个边界框返回职业专用的信心。

例子

(___,标签)=检测(探测器,我)返回一个分类标签分配的数组边界盒除了输出参数从之前的语法。标签用于定义对象类在训练使用trainYOLOv2ObjectDetector函数。

detectionResults=检测(探测器,ds)在所有返回的图像检测对象读输入数据存储的功能。

(___)=检测(___,roi)检测对象在指定的矩形的搜索区域roi。从任何以前的语法使用输出参数。从任何以前的语法指定输入参数。

(___)=检测(___,名称,值)使用一个或多个指定选项名称,值对参数除了输入参数的前面的语法。

例子

全部折叠

检测车辆使用YOLO v2意思对象检测网络

打开生活的脚本

加载一个YOLO v2意思对象探测器pretrained检测车辆。

vehicleDetector =负载(“yolov2VehicleDetector.mat”,“探测器”);探测器= vehicleDetector.detector;

读一个测试图像到工作区中。

我= imread (“highway.png”);

显示输入测试图像。

imshow(我);

图包含一个坐标轴对象。坐标轴对象包含一个类型的对象的形象。

运行pretrained YOLO v2意思对象探测器测试图像。检查车辆检测的结果。来自的标签一会财产的探测器。

[bboxes、分数、标签]=检测(探测器,我)

bboxes =1×478 81 64 63

成绩=单0.6224

标签=分类车辆

注释的图像检测的边界框。

如果~ isempty (bboxes) detectedI = insertObjectAnnotation(我,“矩形”、bboxes cellstr(标签);结束图imshow (detectedI)

图包含一个坐标轴对象。坐标轴对象包含一个类型的对象的形象。

输入参数

全部折叠

`探测器`- - - - - -YOLO v2意思对象探测器
`yolov2ObjectDetector`对象

YOLO v2意思对象探测器,指定为一个yolov2ObjectDetector对象。创建这个对象,调用trainYOLOv2ObjectDetector函数与训练数据作为输入。

`我`- - - - - -输入图像
H——- - - - - -W——- - - - - -C——- - - - - -B数值数组的图片

输入图像,作为指定H——- - - - - -W——- - - - - -C——- - - - - -B数值数组的图像图像必须真实,nonsparse、灰度或RGB图像。

H:身高
W宽度:
C:每个图像的通道大小必须等于网络的输入通道的大小。例如,对于灰度图像,C必须等于1。RGB彩色图像,它必须等于3。
B:数组中图像的数量。

探测器对输入图像的范围十分敏感。因此,确保输入图像范围相似图像的范围用于训练检测器。例如,如果探测器被训练uint8图片,重新输入图像的范围内(0 255)使用im2uint8或重新调节函数。这个输入图像的大小应与培训中使用的图像的大小。如果这些尺寸是非常不同的,检测器检测对象困难因为输入图像中对象的规模与规模不同的探测器被训练来识别对象。考虑你是否使用了SmallestImageDimension房地产在训练修改训练图像的大小。

数据类型:uint8|uint16|int16|双|单|逻辑

`ds`- - - - - -数据存储
`数据存储`对象

数据存储,指定为一个数据存储对象包含图片的集合。每个图像必须是一个灰度、RGB或多通道图像。函数过程只有第一列的数据存储,它必须包含图片和必须细胞数组或包含多个列的表。

`roi`- - - - - -搜索感兴趣的地区
(xy宽度高度)向量

搜索感兴趣的区域,指定为一个(xy宽度高度)向量。向量指定区域的左上角和大小(以像素为单位)。

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:检测(探测器,我,“阈值”,0.25)

`阈值`- - - - - -检测阈值
`0.5`(默认)|标量在[0,1]

检测阈值,指定为逗号分隔两人组成的“阈值”和一个标量范围[0,1]。检测有分数小于这个阈值删除。减少假阳性,增加这个值。

`SelectStrongest`- - - - - -选择最强的边界框
`真正的`(默认)|`假`

为每个检测到的对象选择最强的边界框,指定为逗号分隔组成的“SelectStrongest”,要么真正的或假。

真正的——每个对象返回最强的边界框。的方法调用selectStrongestBboxMulticlass函数实现的,它使用nonmaximal抑制消除重叠边界框基于他们的信心的分数。
默认情况下,selectStrongestBboxMulticlass函数如下
```
selectStrongestBboxMulticlass (bbox,分数,…“RatioType”,“联盟”,…“OverlapThreshold”,0.5);
```
假——返回所有检测边界框。然后您可以编写自己的自定义的方法来消除重叠边界框。

`MinSize`- - - - - -最小区域大小
`[1]`(默认)|向量的形式高度宽度]

最低区域大小,指定为逗号分隔组成的“MinSize”和一个向量的形式高度宽度]。单位是像素。的最小区域大小定义包含对象的最小区域的大小。

默认情况下,MinSize1×1。

`最大尺寸`- - - - - -最大区域大小
`大小`(`我`)(默认)|向量的形式高度宽度]

最大的区域大小,指定为逗号分隔组成的最大容量的和一个向量的形式高度宽度]。单位是像素。的最大区域大小定义了包含对象的规模最大的地区。

默认情况下,最大容量的将输入图像的高度和宽度,我。为了减少计算时间,将这个值设置为已知的最大区域大小的对象能被探测到的输入测试图像。

`MiniBatchSize`- - - - - -最小批量大小
`128年`(默认)|标量

最小批量大小,指定为逗号分隔组成的“MiniBatchSize”和一个标量值。使用MiniBatchSize处理大量的形象。图像分为minibatches和加工作为一个批处理来提高计算效率。增加minibatch大小减少处理时间。减少使用更少的内存大小。

`ExecutionEnvironment`- - - - - -硬件资源
`“汽车”`(默认)|`“图形”`|`“cpu”`

硬件资源上运行探测器,指定为逗号分隔组成的“ExecutionEnvironment”和“汽车”,“图形”,或“cpu”。

“汽车”——使用GPU(如果可用)。否则,使用CPU。
“图形”——使用GPU。使用GPU,必须并行计算工具箱和一个人NVIDIA GPU。如果没有一个合适的GPU,函数返回一个错误。关于支持计算能力的信息,看到金宝appGPU的金宝app支持版本(并行计算工具箱)。
“cpu”——使用CPU。

`加速度`- - - - - -性能优化
`“汽车”`(默认)|`墨西哥人的`|`“没有”`

性能优化,指定为逗号分隔组成的“加速”和下列之一:

“汽车”——自动应用一些优化适合输入网络和硬件资源。
墨西哥人的——编译和执行一个墨西哥人的功能。此选项仅在使用GPU可用。使用GPU并行计算需要工具箱和CUDA NVIDIA GPU启用。如果并行计算工具箱或合适的GPU不可用,那么函数将返回一个错误。关于支持计算能力的信息,看到金宝appGPU的金宝app支持版本(并行计算工具箱)。
“没有”——禁用所有加速度。

默认的选项是“汽车”。如果“汽车”MATLAB是指定的,^®适用于许多兼容优化。如果你使用“汽车”选项,MATLAB不生成一个墨西哥人的功能。

使用“加速”选项“汽车”和墨西哥人的可以提供性能优势,但在初始运行时间增加为代价的。后续调用与兼容的参数是更快。使用性能优化计划多次调用该函数时使用新的输入数据。

的墨西哥人的选项生成并执行一个墨西哥人函数基于网络和参数在函数调用中使用。你可以有几个墨西哥人函数与一个网络。结算网络变量也清除任何墨西哥人功能与网络有关。

的墨西哥人的选项只用于输入数据指定为一个数值数组,细胞数值数组,数组表,或图像数据存储。没有其他类型的数据存储支持金宝app墨西哥人的选择。

的墨西哥人的选项仅当你使用GPU。你还必须有一个C / c++编译器安装。设置说明,请参阅墨西哥人设置(GPU编码器)。

墨西哥人的加速度不支持所有层。金宝app支持层的列表,请参阅金宝app金宝app支持层(GPU编码器)。

输出参数

全部折叠

`bboxes`-检测到对象的位置
米4矩阵|B1单元阵列

在输入图像或图像中检测到的对象的位置,作为一个返回米4矩阵或B1单元阵列。米边界框的数量在一个图像,然后呢B的数量是米4矩阵当图像的输入包含一个数组。

每一行的bboxes包含一个研制出向量的形式xy宽度高度]。这个向量指定相应的边界框的左上角和大小(以像素为单位)。

`分数`——检测成绩
米1矢量|B1单元阵列

检测信心得分,作为一个返回米1的向量或一个B1单元阵列。米边界框的数量在一个图像,然后呢B的数量是米1当图像的输入包含一个数组向量。更高的分数表明更高的诊断信心。

`标签`——标签边框
米1分类数组|B1单元阵列

边界盒的标签,作为一个返回米1分类或数组B1单元阵列。米标签的数量在一个图像,然后呢B的数量是米1分类数组当图像的输入包含一个数组。定义用于标签的类名称的对象,当你训练的输入探测器。

`detectionResults`——检测结果
三栏表

检测结果,作为三栏返回表变量名,盒子,分数,标签。的盒子列米4矩阵,米发现在图像边界框的对象。每一行包含一个边界框的第4单元矢量格式(x,y,宽度,高度]。格式指定左上角位置和大小的像素边界框在相应的形象。

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

使用笔记和限制:

的roi参数检测方法必须是一个代码生成常数(coder.const ())和1 x4向量。
只有阈值,SelectStrongest,MinSize,最大尺寸名称-值对的检测都受支持金宝app。

GPU的代码生成
生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。

使用笔记和限制:

的roi参数检测方法一定是codegen常数(coder.const ())和1 x4向量。
只有阈值,SelectStrongest,MinSize,最大尺寸,MiniBatchSize支持名称-值对。金宝app
高度、宽度、通道和批量大小的输入图像必须固定大小。
最小批量大小的值传递给检测方法必须固定大小。

版本历史

介绍了R2019a

另请参阅

检测

语法

描述

例子

检测车辆使用YOLO v2意思对象检测网络

输入参数

`探测器`- - - - - -YOLO v2意思对象探测器
`yolov2ObjectDetector`对象

`我`- - - - - -输入图像
H——- - - - - -W——- - - - - -C——- - - - - -B数值数组的图片

`ds`- - - - - -数据存储
`数据存储`对象

`roi`- - - - - -搜索感兴趣的地区
(xy宽度高度)向量

名称-值参数

`阈值`- - - - - -检测阈值
`0.5`(默认)|标量在[0,1]

`SelectStrongest`- - - - - -选择最强的边界框
`真正的`(默认)|`假`

`MinSize`- - - - - -最小区域大小
`[1]`(默认)|向量的形式高度宽度]

`最大尺寸`- - - - - -最大区域大小
`大小`(`我`)(默认)|向量的形式高度宽度]

`MiniBatchSize`- - - - - -最小批量大小
`128年`(默认)|标量

`ExecutionEnvironment`- - - - - -硬件资源
`“汽车”`(默认)|`“图形”`|`“cpu”`

`加速度`- - - - - -性能优化
`“汽车”`(默认)|`墨西哥人的`|`“没有”`

输出参数

`bboxes`-检测到对象的位置
米4矩阵|B1单元阵列

`分数`——检测成绩
米1矢量|B1单元阵列

`标签`——标签边框
米1分类数组|B1单元阵列

`detectionResults`——检测结果
三栏表

更多关于

数据预处理

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

GPU的代码生成
生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。

版本历史

另请参阅

应用程序

功能

对象

主题

检测

语法

描述

例子

检测车辆使用YOLO v2意思对象检测网络

输入参数

探测器- - - - - -YOLO v2意思对象探测器yolov2ObjectDetector对象

我- - - - - -输入图像H——- - - - - -W——- - - - - -C——- - - - - -B数值数组的图片

ds- - - - - -数据存储数据存储对象

roi- - - - - -搜索感兴趣的地区(xy宽度高度)向量

名称-值参数

阈值- - - - - -检测阈值0.5(默认)|标量在[0,1]

SelectStrongest- - - - - -选择最强的边界框真正的(默认)|假

MinSize- - - - - -最小区域大小[1](默认)|向量的形式高度宽度]

最大尺寸- - - - - -最大区域大小大小(我)(默认)|向量的形式高度宽度]

MiniBatchSize- - - - - -最小批量大小128年(默认)|标量

ExecutionEnvironment- - - - - -硬件资源“汽车”(默认)|“图形”|“cpu”

加速度- - - - - -性能优化“汽车”(默认)|墨西哥人的|“没有”

输出参数

bboxes-检测到对象的位置米4矩阵|B1单元阵列

分数——检测成绩米1矢量|B1单元阵列

标签——标签边框米1分类数组|B1单元阵列

detectionResults——检测结果三栏表

更多关于

数据预处理

扩展功能

C / c++代码生成生成C和c++代码使用MATLAB®编码器™。

GPU的代码生成生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。

版本历史

另请参阅

应用程序

功能

对象

主题

`探测器`- - - - - -YOLO v2意思对象探测器
`yolov2ObjectDetector`对象

`我`- - - - - -输入图像
H——- - - - - -W——- - - - - -C——- - - - - -B数值数组的图片

`ds`- - - - - -数据存储
`数据存储`对象

`roi`- - - - - -搜索感兴趣的地区
(xy宽度高度)向量

`阈值`- - - - - -检测阈值
`0.5`(默认)|标量在[0,1]

`SelectStrongest`- - - - - -选择最强的边界框
`真正的`(默认)|`假`

`MinSize`- - - - - -最小区域大小
`[1]`(默认)|向量的形式高度宽度]

`最大尺寸`- - - - - -最大区域大小
`大小`(`我`)(默认)|向量的形式高度宽度]

`MiniBatchSize`- - - - - -最小批量大小
`128年`(默认)|标量

`ExecutionEnvironment`- - - - - -硬件资源
`“汽车”`(默认)|`“图形”`|`“cpu”`

`加速度`- - - - - -性能优化
`“汽车”`(默认)|`墨西哥人的`|`“没有”`

`bboxes`-检测到对象的位置
米4矩阵|B1单元阵列

`分数`——检测成绩
米1矢量|B1单元阵列

`标签`——标签边框
米1分类数组|B1单元阵列

`detectionResults`——检测结果
三栏表

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

GPU的代码生成
生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。