主要内容

fastRCNNObjectDetector

使用Fast R-CNN深度学习检测器检测对象

展开全部页面

描述

的fastRCNNObjectDetectorobject使用快速R-CNN(带有卷积神经网络的区域)对象检测器从图像中检测对象。为了检测图像中的对象，将训练过的检测器传递给检测函数。为了对图像区域进行分类，将检测器传递给classifyRegions函数。

当使用检测或classifyRegions功能与fastRCNNObjectDetector，使用CUDA®使英伟达®强烈推荐GPU。GPU显著减少了计算时间。GPU的使用需要并行计算工具箱™。有关受支持的计算功能的信息，请参见金宝appGPU计算要求(并行计算工具箱)．

创建

创建一个fastRCNNObjectDetector对象通过调用trainFastRCNNObjectDetector函数与训练数据(需要深度学习工具箱™)。

检测器= trainFastRCNNObjectDetector(trainingData，…)

属性

全部展开

分类模型的名称，指定为字符向量或字符串标量。类的第二列标题默认设置为名称trainingData表中指定的trainFastRCNNObjectDetector函数。您可以在创建您的fastRCNNObjectDetector对象。

例子:“stopSign”

此属性是只读的。

训练过的快速R-CNN检测网络，指定为一个对象。该对象存储定义Fast R-CNN检测器中使用的卷积神经网络的层。该网络对区域提案进行分类RegionProposalFcn财产。

区域提议方法，指定为函数句柄。

此属性是只读的。

训练Fast R-CNN检测器查找的对象类的名称，指定为单元格数组。属性设置此属性trainingData的输入参数。trainFastRCNNObjectDetector函数。类的一部分指定类名trainingData表格

此属性是只读的。

Fast R-CNN网络支持的最小对象大金宝app小，指定为[高度宽度)向量。最小大小取决于网络架构。

对象的功能

检测 使用快速R-CNN对象检测器检测对象
classifyRegions 使用快速R-CNN物体检测器对图像区域中的物体进行分类

例子

全部折叠

打开实时脚本

使用Faster R-CNN对象检测器检测图像中的车辆。

加载一个预先训练的Faster R-CNN对象检测器来检测车辆。

数据=负载(“fasterRCNNVehicleTrainingData.mat”，“探测器”）;探测器=数据。探测器;

读入一个测试映像。

I = imread(“highway.png”）;imshow(我)

图中包含一个轴对象。axis对象包含一个image类型的对象。

在图像上运行检测器并检查结果。标签来自一会检测器的属性。

[bboxes,scores,labels] = detect(检测器，I)
bboxes =2×4150 86 80 72 91 89 67 48
成绩=2x1个单列向量1.0000 - 0.9001
标签=2 x1分类车车

该探测器对探测有较高的置信度。用检测和相应检测分数的包围框注释图像。

detectedI = insertObjectAnnotation(I，“矩形”、bboxes cellstr(标签);图imshow (detectedI)

图中包含一个轴对象。axis对象包含一个image类型的对象。

版本历史

在R2017a中引入

另请参阅

应用程序

功能

对象

主题