对象检测
目标检测是一种用于定位图像或视频中物体实例的计算机视觉技术。对象检测算法通常利用机器学习或者深度学习产生有意义的结果。在观看图像或视频时，人们可以在瞬间识别并定位感兴趣的物体。目标探测的目标是用计算机复制这种智能。对象检测的最佳方法取决于您的应用程序和您试图解决的问题。
深度学习技术需要大量标记的训练图像，因此建议使用GPU来减少培训模型所需的时间。基于深度学习的对象检测方法使用卷积神经网络（CNNS或CUMMNET），例如R-CNN和YOLO V2，或使用单次检测（SSD）。您可以通过利用来训练自定义对象探测器，或使用佩带的对象检测器转移学习，这种方法使您能够从预先训练好的网络开始，然后针对您的应用程序对其进行微调。卷积神经网络需要深度学习工具箱™。CUDA支持训练和预测金宝app®有能力的GPU。建议使用GPU，并需要并行计算工具箱™。有关更多信息，请参见计算机视觉工具箱首选项和MathWorks产品中的并行计算支持金宝app下载188bet金宝搏（并行计算工具箱）．
用于目标检测的机器学习技术包括聚合通道特征(ACF)、使用定向梯度特征直方图(HOG)的支持向量机(SVM)分类，以及用于人脸或上半身检测的Viola-Jones算法。金宝app您可以选择从一个预先训练好的对象检测器开始，或者创建一个自定义的对象检测器来适合您的应用程序。
功能
块
| 深度学习对象检测器 | 使用训练有素的深度学习目标检测器检测目标 |
主题
开始
利用深度学习神经网络进行目标检测。
选择返回和接受点对象的函数，以获取多种类型的功能
指定像素索引、空间坐标和三维坐标系统
了解本地特征检测和提取的好处和应用。
通过创建一袋视觉单词，使用计算机Vision Toolbox™用于图像类别分类。
训练自定义分类器
比较可视化功能。
目标检测和语义分割的训练数据
交互式标记矩形roi用于目标检测，像素用于语义分割，多边形用于实例分割，场景用于图像分类。
交互式标记矩形roi用于目标检测，像素用于语义分割，多边形用于实例分割，场景用于视频或图像序列中的图像分类。
用于深度学习的数据存储（深度学习工具箱）
了解如何在深度学习应用程序中使用数据存储。
使用Mask R-CNN和深度学习执行多类实例分割。
创建训练数据的对象检测或语义分割使用图片标志或者贴标签机视频．
开始深度学习
深层网络设计师（深度学习工具箱）
深度学习层列表（深度学习工具箱）
发现MATLAB中所有的深度学习层®．
MATLAB中的深度学习（深度学习工具箱）
利用卷积神经网络进行分类和回归，在MATLAB中发现深度学习能力，包括预训练网络和迁移学习，以及在gpu、cpu、集群和云上的训练。
普里尔的深层神经网络（深度学习工具箱）
学习如何下载和使用预训练的卷积神经网络进行分类、迁移学习和特征提取。
特色的例子
你也可以从以下列表中选择一个网站:
