摄像头,平铺布局,人工智能和冰箱!?!
在大流行之前(实际上是几年前),当我试图找到一种超级简单的方法来展示MATLAB中预先训练的网络的威力时,我在办公室的桌子上做了这个例子。后面有一块“板”,一半是磁性的,另一半是布覆盖的,这样我就可以用图钉挂东西了。
这是一张我站在这块黑板前的照片,出于某种原因,我对着电脑屏幕皱眉。
这是我使用的代码。但我现在不在办公室,所以你会看到不同的图片。
首先设置我的网络摄像头
w =网络摄像头
我可以试着预览下一个图像,以确保它是ok的。我现在觉得没必要。
net = alexnet;
下次测试拍摄快照
我接下来通过拍摄快照来测试相机
我=快照(w);
imshow(i)
到目前为止,一切顺利。
使用佩带的网络识别图片内容
[c,r] = size(I, [1,2]);
宽度= 227;
高度= 227;
矩形= (((r-height) / 2),楼((c-width) / 2),宽度,高度1);
I227 = IMCrop(I,Rect);
[标签,值] =分类(NET,I227);
imshow(I227)
并把识别标签放在标题里。
imshow(I227)
标题(字符串(标签(1)))
现在让我们制作一个类似的图片集合
t = tiledlayout(“流”);
t.TileSpacing =“没有”;
T.Padding =.“没有”;
numpix = 6;
为ipic = 1: numpix
imshow(快照(w),“父”,nextdile)
暂停(2)
结束
ylabel(t,“愚蠢的照片”)
清理
最后,我清理了相机设备,因为我已经用完了它。这意味着从MATLAB中删除它,然后从我的工作空间中清除指向它的变量。
删除(w)
清除w
回到原来的图片
当我从办公室的原始图片做同样的事情时,结果让我发笑。这里是。
你的一些经历是什么?
The MathWorks, Inc.版权所有
|
评论
要发表评论,请点击这里登录您的MathWorks帐户或创建新的。