主要内容

vehicleDetectorFasterRCNN

使用Faster R-CNN检测车辆

折叠所有页面

语法

探测器= vehicleDetectorFasterRCNN

描述

例子

探测器= vehicleDetectorFasterRCNN返回经过训练的Faster R-CNN(带有卷积神经网络的区域)目标检测器，用于检测车辆。Faster R-CNN是一个深度学习对象检测框架，使用卷积神经网络(CNN)进行检测。

探测器使用车辆的前、后、左、右侧面的未遮挡图像进行训练。与车辆探测器一起使用的CNN使用了MobileNet-v2网络架构的改进版本。

使用这个函数需要深度学习工具箱™。

请注意

探测器被训练使用uint8图像。在使用该检测器之前，请使用im2uint8或重新调节．

例子

全部折叠

这个示例使用:

打开生活的脚本

在单个图像中检测汽车，并使用检测分数对图像进行标注。要检测汽车，使用使用车辆图像训练的Faster R-CNN物体检测器。

装入预先训练好的检测器。

fasterRCNN = vehicleDetectorFasterRCNN;

在加载的图像上使用检测器。存储边界框的位置和它们的检测分数。

我= imread (“highway.png”）;[bboxes,分数]=检测(fasterRCNN,我);

用检测结果及其分数对图像进行注释。

我= insertObjectAnnotation (,“矩形”bboxes,分数);图imshow(我)标题(“检测到的车辆和检测分数”）

Figure包含一个轴对象。标题为“Detected Vehicles and Detection Scores”的轴对象包含一个类型为image的对象。

输出参数

全部折叠

训练更快的基于r - cnn的对象检测器，返回为fasterRCNNObjectDetector对象。

兼容性的考虑

全部展开

未来版本中的行为改变

另请参阅

|||

介绍了R2017a

自动驾驶工具箱文档

金宝app

用Simulink实现自适应巡航控制器金宝app

用Simulink实现自适应巡航控制器金宝app

下载技术论文