检测
使用YOLO v3对象检测器检测对象
语法
描述
detectionResults=检测(探测器，ds）读输入数据存储的功能ds．
例子
使用YOLO v3对象检测器检测对象
加载一个预训练的YOLO v3对象检测器。
= yolov3ObjectDetector(“tiny-yolov3-coco”）;
读取测试图像并对测试图像进行预处理进行预处理函数。
Img = Img“sherlock.jpg”）;Img =预处理(检测器，Img);
检测测试图像中的对象。
[bboxes,scores,labels] = detect(检测器，img);
显示检测结果。
结果=表(bboxes,label,scores)
结果=1×3表bboxes标签分数 ________________________ ______ _______ 133年67 283 278 0.51771的狗
detectedImg = insertobjectnotation (img，“矩形”、bboxes、标签);图imshow (detectedImg)
从图像数据存储中存储的图像中检测对象
加载一个预训练的YOLOv3对象检测器。
= yolov3ObjectDetector(“tiny-yolov3-coco”）;
读取测试数据并将其存储为图像数据存储对象。
Location = fullfile(matlabroot，“工具箱”，“愿景”，“visiondata”，“汽车”）;imds = imageDatastore(location);
检测测试数据集中的对象。设置阈值参数值为0.3和MiniBatchSize参数值为“32”。
detectionResults = detect(检测器，imds，“阈值”, 0.3,“MiniBatchSize”、32);
从测试数据集中读取图像并提取相应的检测结果。
Num = 10;I = readimage(imds,num);bboxes = detectionResults.Boxes{num};labels = detectionResults.Labels{num};scores = detectionResults.Scores{num};
执行非最大抑制以从重叠簇中选择最强的边界框。设置OverlapThreshold参数值为“0.2”。
[bboxes,scores,labels] = selectStrongestBboxMulticlass(bboxes,scores,labels)“OverlapThreshold”, 0.2);
显示检测结果。
结果=表(bboxes,label,scores)
结果=3×3表bboxes标签分数 ________________________ ______ _______ 14 71 52 27车0.93352 74 73 7 5车15 10车0.85313 0.65369 102 73
detectedImg = insertobjectnotation (I，“矩形”、bboxes、标签);图imshow (detectedImg)
检测ROI内的对象
加载一个预训练的YOLO v3对象检测器。
= yolov3ObjectDetector(“tiny-yolov3-coco”）;
阅读测试图像。
Img = Img“highway.png”）;
在测试图像中指定感兴趣区域(ROI)。
roiBox = [70 40 100 100];
检测指定ROI内的对象。
[bboxes,scores,labels] = detect(detector,img,roiBox);
显示ROI和检测结果。
img = insertobjectnotation (img，“矩形”roiBox,“投资回报”，“颜色”，“蓝色”）;detectedImg = insertobjectnotation (img，“矩形”、bboxes、标签);图imshow (detectedImg)
